Auditory system adverse events with sacubitril/valsartan: an active-comparator restricted disproportionality analysis using the FDA adverse event reporting system database
Notice bibliographique
Résumé
BACKGROUND: Sacubitril/valsartan, an angiotensin receptor-neprilysin inhibitor, is used for heart failure with reduced ejection fraction. Emerging evidence suggests potential ototoxicity, including hearing loss and vestibular disorders, which remain underreported and poorly characterized. RESEARCH DESIGN AND METHODS: Our objective was to compare auditory adverse event (AE) reports associated with sacubitril/valsartan versus those associated with lisinopril and losartan. A retrospective active-comparator disproportionality analysis was conducted using individual case safety reports (ICSRs) from the U.S. FDA Adverse Event Reporting System (FAERS) via OpenFDA (2015Q3-2023Q3). The Medical Dictionary for Regulatory Activities (MedDRA) terms identified AEs related to hearing impairment, vestibular disorders, and hypoacusis. Adjusted reporting odds ratios (aRORs) and 95% confidence intervals (CIs) were estimated using logistic regression, adjusting for age, sex, hypertension, and heart failure. Bayesian methods complemented the analysis. RESULTS: Among 55,101 ICSRs, 28,091 involved sacubitril/valsartan, with 590 (1.07%) reports of hearing impairment and 4,732 (8.58%) vestibular disorders. Compared to lisinopril, sacubitril/valsartan had higher aRORs for hearing impairment (2.35), vestibular disorders (2.58), and hypoacusis (15.03). Similar elevated risks were found versus losartan. Bayesian analysis confirmed these patterns. CONCLUSIONS: Sacubitril/valsartan may be associated with a higher risk of auditory AEs than lisinopril and losartan. These findings warrant further confirmation through pharmacoepidemiologic studies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».