Fluoroquinolones and risk of nightmares: A literature review and disproportionality analysis using individual case safety reports from Food and Drug Administration Adverse Event Reporting System database
Notice bibliographique
Résumé
Background: Fluoroquinolones (FQs) have been linked to various neuropsychiatric effects, including nightmares, mostly through case reports. However, data on nightmares remain limited and underreported. Aims: To review the literature on FQ-related nightmares and estimate the risk of nightmares associated with FQs compared to other antibiotics using data from the Food and Drug Administration Adverse Event Reporting System (FAERS) database. Methods: A literature review was conducted to identify studies on FQ-related nightmares. Active-comparator restricted disproportionality analyses were performed in FAERS (2004Q1–2023Q4) for ciprofloxacin, levofloxacin, and moxifloxacin compared to azithromycin and trimethoprim-sulfamethoxazole. We calculated reporting odds ratios (RORs), proportional reporting ratios, adjusted ROR (accounting age, sex, weight, and specific indications), and information components (IC 025 ) to detect safety signals for the Medical Dictionary for Regulatory Activities term “nightmare.” Results: The review identified seven studies, with the prevalence of nightmares ranging from 0.01% to 8% across three trials. Disproportionality analyses indicated that FQ-associated nightmare reports were 6- to 10-fold higher than those linked to azithromycin (ROR: 6.18, 95% CI: 4.14–9.23) and trimethoprim-sulfamethoxazole (ROR: 10.38, 95% CI: 4.92–21.89), largely reported by consumers. These findings were consistent across frequentist and Bayesian methods and adjusted analyses. Conclusion: FQs may increase the risk of nightmares. Our findings provide valuable insights for future research on their safety profile. Further research is needed to validate these findings and guide safe FQ use.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,002 |
| 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 ».