Exploring the association of disease-modifying therapies for multiple sclerosis and BTK inhibitors with epilepsy
Notice bibliographique
Résumé
Background: Multiple lines of evidence suggest a role of inflammation in epilepsy. Seizure incidence in patients with multiple sclerosis (MS) is twofold to threefold higher than the age-matched general population. Objectives: To explore the association of MS disease-modifying therapies (DMTs) and FDA-approved Bruton tyrosine kinase inhibitors (for lymphocytic malignancies) with the occurrence of epilepsy using the US Food and Drug Administration Adverse Event Reporting System (FAERS) database. Design: Secondary analysis of the FAERS database. Methods: We conducted a disproportionality analysis of FAERS between 2003-Q4 and 2023-Q3. MS DMTs and the Bruton tyrosine kinase inhibitor, ibrutinib, were included in the analysis. An inverse association was defined by a 95% confidence interval (CI) upper limit of reporting odds ratio (ROR) <1. Results: We found an inverse association of ibrutinib, ocrelizumab, ofatumumab, rituximab, and teriflunomide with epilepsy. The strongest inverse association was seen with ibrutinib (ROR: 0.338; 95% CI: 0.218-0.524). Conclusion: Our findings suggest the possibility of considering these medications for repurposing opportunities in epilepsy and support a potential pathogenic role of leukocyte subsets in seizure perpetuation.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».