Data mining for detecting signals of adverse drug reaction of doxycycline using the Korea adverse event reporting system database
Notice bibliographique
Résumé
BACKGROUND: Doxycycline is one of the most prescribed antibiotics by dermatologists. However, the concern regarding adverse events of doxycyline has been rising. OBJECTIVE: To detect the adverse events of doxycycline using the Korea Adverse Events Reporting System (KAERS) database from January 2014 to December 2018 through a data mining method. METHODS: A signal was defined as one satisfying all three indices; a proportional reporting ratio, a reporting odds ratio, and an information component. We further checked whether the detected signals exist in drug labels in Korea and five developed countries, the United States, the United Kingdom, Germany, Canada, and Japan. RESULTS: A total of 3,365,186 adverse event-drug pairs were reported and of which 3,075 were associated with doxycycline. Among the thirty-seven signals, nineteen (malaise, ileus, confusion, malignant neoplasm, ectopic pregnancy, ovarian hyperstimulation, vaginal hemorrhage, bone necrosis, acne, rosacea, seborrheic dermatitis, folliculitis, skin ulceration, crusting, dry skin, paronychia, mottled skin, application site reaction, and application site edema) were not included on any of the drug labels of the six countries. CONCLUSION: We identified nineteen new doxycycline signals that did not appear on drug labels in six countries. Further studies are warranted to evaluate the causality of the adverse events with doxycycline.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».