Risk Management Assessments of Adverse Drug Reactions: A Systematic Review of the Literature
Notice bibliographique
Résumé
Abstract Background Improving the quality of life of patients is a key concern in public health. In the context of improving therapeutic compliance, quality of life of patients undergoing anti-tuberculosis treatment, and prevention of antibiotic resistance, we conducted this systematic review to support risk minimization actions. Methods A literature review of risk management strategies targeting adverse drug reactions to anti-tuberculosis drugs was conducted, including published observational studies. Two independent reviewers identified studies through Medline, Scopus, and Web of Science. The methodological quality of the included studies was assessed using criteria defined by the Newcastle Ottawa Scale. Results Seven studies were included in this review, which identified four risk management strategies (psychological intervention, reduction of drug dose with or without prescription of adjunctive medications, change of medication, permanent or temporary discontinuation of medication). The strategies adopted were dependent on the nature and severity of the adverse events. All drugs responsible for serious adverse events were changed or discontinued. Three studies had a moderate risk of methodological bias. Conclusions Strategies to minimize the risk of adverse drug reactions and improve adherence to therapy have a strong potential to improve adherence to therapy, improve patient quality of life, and reduce antibiotic resistance. However, high-level evidence on the effectiveness of strategies to minimize the risk of adverse events is limited. Key messages Strategies to manage the risk of adverse drug reactions have a strong potential benefit for TB patients on treatment; and improve adherence to treatment. High-level evidence on the effectiveness of strategies to minimize the risk of adverse events is limited.
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 | 0,017 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,012 | 0,009 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».