Antipsychotic Drugs and Diabetic Ketoacidosis: A Disproportionality Analysis of the FDA Adverse Event Reporting System
Notice bibliographique
Résumé
Objectives: To evaluate reports of diabetic ketoacidosis (DKA) associated with antipsychotic drug (APD) use submitted to the U.S. Food and Drug Administration’s Adverse Event Reporting System (FAERS). Methods: A retrospective pharmacovigilance analysis was conducted using FAERS data from January 2000 to December 2022. DKA cases were identified using the MedDRA preferred term “diabetic ketoacidosis” in reports listing antipsychotic drugs as suspect medications. Disproportionality analyses, including the proportional reporting ratio (PRR) and empirical Bayes geometric mean (EBGM), were used to assess reporting patterns. Multiple analyses were performed, including those restricted to primary suspect listed drugs only, expanded to incorporate secondary suspect drugs, and sensitivity analyses excluding reports submitted by legal professionals. Results: Among 19,961 DKA reports in FAERS, 2489 (12.5%) listed atypical antipsychotics as the primary suspect drug, whereas reports involving typical APDs were rare. The majority of reports were submitted by healthcare professionals (74.1%), and nearly half originated from the United States (45.4%). Hospitalization was a frequent outcome, reported in 74.3% of cases. Quetiapine and olanzapine were the most frequently reported atypical APDs, with disproportionality analyses demonstrating strong safety signals when compared to all other drugs in FAERS: olanzapine PRR 13.2 (95% CI: 12.4–14.2) and quetiapine PRR 11.8 (95% CI: 11.1–12.5). The findings remained consistent across multiple sensitivity analyses, including incorporating secondary suspect drugs, when the comparator group was restricted to only psychotropic drugs, and excluding reports submitted by lawyers. Conclusions: This pharmacovigilance analysis highlights a potential safety signal for DKA with atypical antipsychotic drugs, notably quetiapine and olanzapine. While these findings do not establish causality, they underscore the need for further investigation using clinical and epidemiological data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,054 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,012 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».