Adverse Events for Overactive Bladder Medications From a Public Federal Database
Notice bibliographique
Résumé
IMPORTANCE: Clinical data on the use of overactive bladder (OAB) medications are limited by the physician interpretation of adverse effects rather than those that are patient reported. OBJECTIVE: The aim of the study was to evaluate the association between OAB medications and adverse drug events (ADEs) through the self-reporting U.S. Food and Drug Administration Adverse Event Report System database. STUDY DESIGN: The U.S. Food and Drug Administration Adverse Event Report System (FAERS) database was queried from 2004 to 2019. Adverse drug events were recategorized. Disproportionality analysis was used to detect the risk signals for each OAB medication and ADEs. χ 2 values were calculated to assess the association between ADEs and dosage. RESULTS: A total number of 14,102 reports were identified. The most frequently reported OAB medications were mirabegron (35%), transdermal oxybutynin (27%), and solifenacin (25%). Neuropsychiatric (NP) ADEs were highest with tolterodine and fesoterodine usage (16% and 15.6%, respectively) and transdermal oxybutynin had the lowest (6.5%). Increasing the dose of tolterodine or fesoterodine was not associated with increased NP ADEs. Oxybutynin had the highest risk of affect/mood disorder, agitation, and balance/movement disorder; however, it had the lowest risk of headache/migraine compared with all OAB medications. Mirabegron compared with all other OAB medications had the lowest risk of affect/mood disorder and agitation; however, it had the highest risk of headache and migraines. CONCLUSIONS: The FAERS database not only is a repository of ADEs but also may represent evolving prescribing habits for OAB medications. Transdermal oxybutynin had the lowest NP ADEs and may be appropriate for selected individuals.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,022 | 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 ».