A real-world pharmacovigilance analysis of the risk of retinal artery occlusion from medication use
Notice bibliographique
Résumé
Purpose The risk of retinal artery occlusion (RAO) as related to specific drug use is unclear. Using the Food and Drug Administration Adverse Event Reporting System (FAERS), we aimed to comprehensively elicit a list of FDA-approved drugs overreported for RAO. Design Retrospective, population-based pharmacovigilance study. Methods Pharmacovigilance data were sourced from the FAERS database between October 2003 and March 2024 using Open Vigil 2.1 (Kiel, Germany) software. FDA-approved pharmacological agents which were recorded as the primary suspect drug for at least 10 reports of RAO were included. Disproportionality analyses were performed to identify positive adverse drug reaction signals by comparing drug-specific reports of RAO to the background rate of RAO reports across all other drugs in the database. Results Out of 12,345,128 adverse events reported to the FAERS database during the study period, 1,461 (0.01%) were identified as cases of RAO. Most primary suspect drugs were indicated for eye disorders (20.7%, n=303/1,461), neoplasms (11.4%, n=166/1,461), or musculoskeletal and connective tissue disorders (7.2%, n=105/1,461). Notably, brolucizumab and tranexamic acid were significantly overreported for RAO events. These were followed by melphalan, triamcinolone, aflibercept, ranibizumab, lidocaine, sildenafil, epinephrine, bupivacaine, and rofecoxib. Conclusion Several primary suspect drugs showed disproportionately high reports of RAO in the FAERS database; however, some of these medications are indicated for conditions associated with a hypercoagulable state, a significant risk factor for RAO. These findings underscore the need for continued pharmacovigilance efforts to distinguish potential drug-related effects from the influence of underlying disease.
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 | 0,001 |
| 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) | 0,001 | 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 ».