MétaCan
Menu
Retour à la cohorte
Enregistrement W4416333924 · doi:10.1038/s41598-025-24262-7

Identifying high-risk drugs and demographic patterns in drug-induced liver injury from FAERS and CVARD analyses

2025· article· en· W4416333924 sur OpenAlexaboutno aff
Yun He, Shi‐Nan Wu, Penghe Wang, Shihang Tang, Chen‐Yu Zhang, Bo-Zhao Wang, Chun‐Hong Gao, Guangping Zhu, Huali Wu

Notice bibliographique

RevueScientific Reports · 2025
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueDrug-Induced Hepatotoxicity and Protection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdverse Event Reporting SystemDrugAdverse effectLiver injuryMEDLINEPharmacoepidemiologyDrug reaction

Résumé

récupéré en direct d'OpenAlex

Drug-induced liver injury (DILI) is a major cause of acute liver failure, yet identifying associated drugs has been limited by the lack of large-scale analyses. This study addresses this gap by analyzing adverse event reports from the FDA Adverse Event Reporting System (FAERS) and the Canada Vigilance Adverse Reaction Database (CVARD) from 2012 to 2023. FAERS served as the primary database, while CVARD provided validation for the findings. We employed disproportionality analyses (ROR, PRR, BCPNN, MGPS) to identify drugs linked to DILI. Our analysis of 21,738 cases from FAERS identified 172 drugs with significant DILI signals, including high-risk drugs such as dapsone, isoniazid, and nitrofurantoin, which showed the strongest associations (BCPNN > 3). The most frequently implicated drug classes included antineoplastics, antibacterials, and direct-acting antivirals. Time-to-onset of DILI varied significantly across drug classes, with antibacterials exhibiting the shortest median onset (54 days) and immunosuppressants the longest (297 days). Gender and age were also found to be important risk factors, with higher DILI rates observed in females and older adults. Systemic drug administration, particularly through oral and intravenous routes, was most commonly associated with DILI, with serious outcomes reported in 55.9% of cases, including 30.8% requiring hospitalization. While these findings provide valuable insights into drug safety and clinical decision-making, the study's limitations, including potential biases from the spontaneous reporting nature of FAERS and CVARD, should be acknowledged. Overall, the findings highlight the importance of personalized monitoring and risk stratification to enhance medication safety and improve patient outcomes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,418
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetDrug-Induced Hepatotoxicity and ProtectionTravaux en français237 207