Adverse Events and Drug Interactions Associated with Elexacaftor/Tezacaftor/Ivacaftor Treatment: A Descriptive Study Across Australian, Canadian, and American Adverse Event Databases
Notice bibliographique
Résumé
People with cystic fibrosis may experience polypharmacy, which can increase the risk of drug induced complications such as adverse events and drug-drug interactions. This study aimed to examine the prevalence of adverse events and to identify potential drug-drug interactions associated with elexacaftor/tezacaftor/ivacaftor (ETI). Three databases, the Australian Therapeutic Goods Administration Database of Adverse Event Notification (TGA DAEN), the Canada Vigilance Adverse Reaction Online Database (CVAROD), and the USA Food and Drug Administration Adverse Event Reporting System (FAERS) Database were searched for spontaneous ETI adverse events between 2019 and 2024. Descriptive analysis of the data was undertaken. The FAERS database was analysed to identify adverse events of interest such as anxiety and depression and concomitant drugs prescribed with ETI. A total of 10,628 ETI associated adverse events were identified in all system organ classes. The incidence of psychiatric adverse events ranged from 7 to 15% across the three databases. Potential drug-drug interactions with CYP 3A4/5 strong inhibitors and strong inducers were identified from the FAERS database and azole antifungals were implicated in several ETI dose modifications. The prevalence and types of ETI adverse events were varied and use of concomitant drugs with potential drug interactions was significant, requiring more research to manage them.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».