Open-Access Adverse Drug Reaction Databases: Applicability for Safety Assessment of the Developed Drugs (Review)
Notice bibliographique
Résumé
INTRODUCTION. Evaluating safety data on already registered drugs is an important stage in medicine development. Databases (DBs) of adverse drug reactions (ADRs) have been created and maintained by regulatory authorities and individual research groups. The data aggregated in such DBs can help create reference and training datasets for experimental and in silico studies. A preliminary assessment and systematisation of information from these databases can facilitate the selection of DBs relevant to a specific study. AIM. This study aimed to assess applicability of public ADR databases for safety studies of medicinal products. DISCUSSION. Eleven public DBs that provide information on ADRs of approved drugs were studied: FAERS, DAEN, MedEffect Canada, EudraVigilance, VigiBase, SIDER, MetaADEDB, ADReCS-Target, T-ARDIS, OnSIDES, and WWAD. The differences between these databases are primarily due to the variety of sources they use: spontaneous reports (FAERS, DAEN, MEDEFFECT, EudraVigilance, VigiBase), patient information leaflets and other official documents (SIDER, OnSIDES, WWAD), scientific publications (ADReCS-Target), and other open-access web resources (MetaADEDB, T-ARDIS). All the reviewed databases can be used for informational support and analysis of drug safety profiles. SIDER, MetaADEDB, ADReCS-Target, OnSIDES, and WWAD are useful in preclinical studies, particularly while developing training sets for in silico methods. Hypotheses for possible ADR mechanisms and search for new drug repurposing vectors can be arranged using ADReCS-Target, WWAD, and T-ARDIS, since these DBs provide additional data on active pharmaceutical substances or target molecules. Using computer-aided methods without thorough hands-on search in the DBs such as ADReCS-Target, T-ARDIS, OnSIDES, and MetaADEDB, limits their applicability in tasks requiring accurately analysed information. CONCLUSIONS. The DBs reviewed can serve as a valuable tool for addressing a wide range of biomedical issues. To select a DB relevant for a specific study, it is important to consider the underlying principles, since varying sources and annotation methods can affect the reliability of results.
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 | 0,017 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,021 | 0,018 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,004 |
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 ».