Big data- and machine learning-based analysis of a global pharmacovigilance database enables the discovery of sex-specific differences in the safety profile of dual IL4/IL13 blockade
Notice bibliographique
Résumé
Background: Due to its apparent efficacy and safety, dupilumab, a monoclonal antibody that blocks Interleukin 4 (IL-4) and Interleukin 13 (IL-13), has been approved for treating T-helper 2 (Th2) disorders. However, adverse effects like local injection site reactions, conjunctivitis, headaches, and nasopharyngitis have been reported. Sex differences are known to influence both adaptive and innate immune responses and, thus, may have a bearing on the occurrence of these adverse effects. Nevertheless, the literature lacks a comprehensive exploration of this influence, a gap this study aims to bridge. Materials and Methods: A comprehensive data mining of VigiBase, the World Health Organization (WHO) global pharmacovigilance database which contains case safety reports of adverse drug reactions (ADRs) was performed to test for sex -specific safety response to dual IL4/IL13 blockade by dupilumab. The information component (IC), a measure of the disproportionality of ADR occurrence, was evaluated and compared between males and females to identify potential sexual dimorphism. Results: Of the 94,065 ADRs recorded in the WHO global pharmacovigilance database, 2,001 (57.4%) were reported among female dupilumab users, and 1,768 (50.7%) were among males. Immune/autoimmune T-helper 1 (Th1)-, innate- and T-helper 17 (Th17)-driven diseases and degenerative ones were consistently reported with a stronger association with Dupilumab in males than females. Some adverse events were more robustly associated with Dupilumab in females. Conclusion: Dupilumab has an excellent safety profile, even though some ADRs may occur. The risk is higher among male patients, further studies, including ad hoc studies, are needed to establish causality.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».