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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».