Consequences to patients, clinicians, and manufacturers when very serious adverse drug reactions are identified (1997–2019): A qualitative analysis from the Southern Network on Adverse Reactions (SONAR)
Notice bibliographique
Résumé
BACKGROUND: Adverse drug/device reactions (ADRs) can result in severe patient harm. We define very serious ADRs as being associated with severe toxicity, as measured on the Common Toxicity Criteria Adverse Events (CTCAE)) scale, following use of drugs or devices with large sales, large financial settlements, and large numbers of injured persons. We report on impacts on patients, clinicians, and manufacturers following very serious ADR reporting. METHODS: We reviewed clinician identified very serious ADRs published between 1997 and 2019. Drugs and devices associated with reports of very serious ADRs were identified. Included drugs or devices had market removal discussed at Food and Drug Advisory (FDA) Advisory Committee meetings, were published by clinicians, had sales > $1 billion, were associated with CTCAE Grade 4 or 5 toxicity effects, and had either >$1 billion in settlements or >1,000 injured patients. Data sources included journals, Congressional transcripts, and news reports. We reviewed data on: 1) timing of ADR reports, Boxed warnings, and product withdrawals, and 2) patient, clinician, and manufacturer impacts. Binomial analysis was used to compare sales pre- and post-FDA Advisory Committee meetings. FINDINGS: <0.0018). Manufacturers of four drugs paid $1.7 billion total in criminal fines for failing to inform the FDA and physicians about very serious ADRs. Following FDA approval, the median time to ADR reporting was 7.5 years (Interquartile range 3,13 years). Twelve drugs received Box warnings and one drug received a warning (median, 7.5 years following ADR reporting (IQR 5,11 years). Six drugs and 1 device were withdrawn from marketing (median, 5 years after ADR reporting (IQR 4,6 years)). INTERPRETATION: Because very serious ADRs impacts are so large, policy makers should consider developing independently funded pharmacovigilance centers of excellence to assist with clinician investigations. FUNDING: This work received support from the National Cancer Institute (1R01 CA102713 (CLB), https://www.nih.gov/about-nih/what-we-do/nih-almanac/national-cancer-institute-nci; and two Pilot Project grants from the American Cancer Society's Institutional Grant Award to the University of South Carolina (IRG-13-043-01) https://www.cancer.org/ (SH; BS).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».