Mapping the incidence of drug-induced liver injury worldwide: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background: Drug-induced liver injury (DILI), an increasing etiology of liver dysfunction in hepatology, its incidence has been variably reported worldwide. To better understand the disease burden hence make appropriate preventive and treatment strategies, we conducted this meta-analysis from global perspective.Methods: PubMed, EMBASE, Web of Science and Cochrane Library were searched for studies on the incidence of DILI published from inception to Aug 1, 2021. According to the predefined criteria, only population-based studies were included. Incidence was calculated as cases per 100,000 person-years with its confidence interval (CI) using random effects model. Results: A total of 31 studies were included. The overall incidence of DILI was 4.94 (95%CI: 4.05-5.83) per 100,000 person-years. Time-based cumulative meta-analysis suggested that the incidence of DILI had increased over time since 2010. It varied by regions: Asia had the highest incidence, at 17.82 (95%CI: 6.26-29.38) per 100,000 person-years, while America had the lowest, at 1.72 (95%CI: 0.48-2.95) per 100,000 person-years. All studies had a consistent result of higher incidence of DILI in elders; but comparable incidence between male and female (3.42 vs 4.64 per 100,000 person-years). As for the specific implicated drug(s), the incidence of statins induced liver injury was 11.30 (95%CI: 6.48-19.69) per 100,000 person-years, while the incidence among patients using antifungal drugs, antidepressants, paracetamol, antidiabetic, anti-tuberculosis, nonsteroidal anti-inflammatory drugs, anti-thyroid drugs and iron chelator ranged from 0.16 to 180.97 per 100,000 person-years. Conclusions: The incidence of DILI has been increasing since 2010 worldwide, with the highest incidence in Asia. Understanding the epidemiological characteristics of DILI aids in making specific strategies to deal with the emerging health problems.
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 | 0,012 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,046 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».