MétaCan
Menu
Retour à la cohorte
Enregistrement W4400775871 · doi:10.1080/14796694.2024.2373687

TURALIO <sup>®</sup> Risk Evaluation and Mitigation Strategy Program (tREMS): 3-year retrospective hepatic safety assessment

2024· article· en· W4400775871 sur OpenAlexaff
Charles Dharmani, Oluwatosin Fofah, Maura Fallon, Abdul Waheed Rajper, Margaret Wooddell, Maribel Salas

Notice bibliographique

RevueFuture Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatocellular Carcinoma Treatment and Prognosis
Établissements canadiensGlobal Affairs Canada
Organismes subventionnairesnon disponible
Mots-clésMedicineRetrospective cohort studyRisk assessmentInternal medicineComputer securityComputer science

Résumé

récupéré en direct d'OpenAlex

Aim: Hepatic safety data assessment from the TURALIO® (pexidartinib) Risk Evaluation and Mitigation Strategy (tREMS) Program. Methods: Retrospective 3-year assessment (August 2019 to June 2022) of hepatic events from the TURALIO® (pexidartinib) Risk Evaluation and Mitigation Strategy Program. Results: A total of 451 patients, 369 prescribers, 2 wholesalers/distributors and 2 pharmacies were enrolled and certified. Twenty-one (4.7%) patients met the criteria for a hepatic adverse event or laboratory abnormality suggestive of serious and potentially fatal liver injury, all with onset within 2 months of therapy. No new hepatic safety signals were identified. Conclusion: Results are consistent with the phase 3 ENLIVEN trial data. Liver enzyme monitoring, combined with early intervention, including dose modification and discontinuation, conducted in patients treated with pexidartinib mitigate the risk of potential hepatotoxicity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,381
Score d'incertitude au seuil0,729

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,339
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFuture OncologyMême sujetHepatocellular Carcinoma Treatment and PrognosisTravaux en français237 207