Adverse events associated with teriparatide: a real-world disproportionality analysis of the FDA adverse event reporting system (FAERS)
Notice bibliographique
Résumé
Teriparatide is widely used for osteoporosis treatment in various patients, but its safety profile is not fully documented. This study analyzes the FDA pharmacovigilance database to assess teriparatide’s safety. Data from the first quarter (Q1) of 2004 to the third quarter (Q3) of 2023 were extracted and analyzed for disproportionality between teriparatide and adverse effects (AE). A total of 66,991 AE reports identified teriparatide as the principal suspect medication, aggregating to 222,116 individual AEs. Notably, healthcare professionals authored 16.1% of these reports (n = 10,809), whereas consumers accounted for the majority with 81.3% (n = 54,474). Teriparatide revealed a marked association with an increased propensity for musculoskeletal and connective tissue disorders (ROR,3.95; 95% CI, 3.91–3.99) at the System Organ Class (SOC) level. Concurrently, 199 preferred terms (PTs) displayed significant disproportionality across all four employed algorithms. Our study confirms several well-known adverse drug reactions and identifies potential safety issues associated with teriparatide treatment. This contributes to a deeper understanding of the complex relationship between adverse reactions and teriparatide. These findings emphasize the importance of continuous monitoring and ongoing surveillance to promptly identify and effectively manage adverse reactions, thereby enhancing overall patient safety and well-being.
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 | 0,022 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».