Exploring the incidence and etiopathogenesis of pathological yawning as adverse side effect of psychotropic drugs.
Notice bibliographique
Résumé
INTRODUCTION: Yawning is a normal, stereotyped physiological event in humans and animal kingdom. When excessive (>3 per 15 minutes), it is termed as pathological yawning (PY). PY could be due to many causes but more commonly associated with side-effect of drugs, notably involving those used in psychopharmacology. Though there are isolated case reports and case-series, there are no large-scale reports of PY. This work attempted to address this lacuna. MATERIAL AND METHODS: The current work attempted to identify characteristics of PY as collated from adverse drug effect databases of Australia (Database of Adverse Event Notifications), Canada (Canada Vigilance Adverse Reaction Online Database) and the United States of America (FDA Adverse Event Reporting System - FAERS). These databases collect and provide public access to reports of adverse events related to drugs and therapeutic goods. They act as a prime pharmacovigilance tool as well as a first-line resource for healthcare professionals, researchers, and the public to monitor the safety of these products and make informed decisions. In the first week of June 2023, open access, unrestricted adverse effect of drug databases were explored, using the word "YAWNING" as the only search term for the side effect of any drug without any restrictions. The collected details of PY cases with their gender, age, reason for drug use, other concomitant complaints as well as the nature of adverse event(s) and its treatment requirements were assessed. Descriptive statistics were used. RESULT: Of the 2655 instances in USA database, 398(15%) had more than 1 suspect drug and in total 578 medications involved. The most commonly involved drugs were apomorphine, sertraline, fluoxetine and paroxetine. In all 341(12.8%) cases reported of YAWN alone or with one another sleep disorder, the most common off ending drug were fluoxetine hydrochloride. DISCUSSION AND CONCLUSION: The neural mechanism and physiology of yawning are explained. This study stresses that a health care professional, particularly mental health professionals and neurologists, should be aware of the importance of PY to deliver the best for the patients under their care. (Neuropsychopharmacol Hung 2023; 25(4): 194-205)
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».