Exploring Human Misuse and Abuse of Veterinary Drugs: A Descriptive Pharmacovigilance Analysis Utilising the Food and Drug Administration’s Adverse Events Reporting System (FAERS)
Notice bibliographique
Résumé
INTRODUCTION: Evidence suggests an increasing misuse of veterinary medicines by humans. This study aims to analyse Adverse Events (AEs) associated with selected veterinary products using the Food and Drug Administration Adverse Events Reporting System (FAERS). METHODS: A descriptive pharmacovigilance analysis was conducted on AEs related to 21 drugs approved for human and/or animal use. RESULTS: A total of 38,756 AEs, including 9566 fatalities, were identified. The United States reported the highest number of cases (13,532), followed by Canada (2869) and the United Kingdom (1400). Among the eight drugs licenced exclusively for animals, levamisole, pentobarbital, and xylazine were most frequently reported. Reports predominantly involved males (57%) from the 18-64 age group, with incidents related mainly to overdose, dependence, and multi-agent toxicities. Unmasking techniques revealed 'intentional overdose' as the primary reaction. Polysubstance use was evident in 90% of the drugs, with benzodiazepines/Z-drugs and opioids as common co-used classes. CONCLUSIONS: Veterinary medications are increasingly infiltrating the illicit drug market due to their pharmacological properties. This trend highlights the need for heightened vigilance and awareness to prevent further public health risks associated with the adulteration of illicit substances with veterinary products like xylazine and pentobarbital.
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 | 0,001 | 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 | 0,001 |
| 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 ».