Model Based Evaluation of Hypersensitivity Adverse Drug Reactions to Antimicrobial Agents in Children
Notice bibliographique
Résumé
Drug use in children is–in most cases–supported by extrapolation of data generated from clinical trials in adult populations. This puts children at higher risk of developing adverse drug reactions (ADRs) due to “off-label” use of drugs and dosing issues. Major types of ADRs are drug hypersensitivity reactions, an idiosyncratic type of ADRs that are largely unpredictable and can cause high morbidity and mortality in a hard-to-identify specific population of patients. Lack of a complete understanding of the pathophysiology of DHRs and their unpredictive nature make them problematic in clinical practice and in drug development. In addition, ethical and legal obstacles hinder conducting large clinical trials in children, which in turn make children a “therapeutic orphan” where clear clinical guidelines are lacking, and practice is based largely on the personal experience of the clinician, hence making modeling desirable. This brief review summarizes the current knowledge of model-based evaluation of diagnosis and management of drug hypersensitivity reactions (DHRs) to antimicrobial drugs in the pediatric population. Ethical and legal aspects of drug research in children and the effect of different stages of child development and other factors on the risk of DHRs are discussed. The role of animal models, in vitro models and oral provocation test in management of DHRs are examined in the context of the current understanding of the pathophysiology of DHRs. Finally, recent changes in drug development legislations have been put forward to encourage drug developers to conduct trials in children clearly indicate the urgent need for evidence to support drug safety in children and for modeling to guide these clinical trials.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».