Safety evaluation of ILaris: a real-world analysis of adverse events based on the FAERS Database
Notice bibliographique
Résumé
There is a lack of real-world studies on the safety of Ilaris in large populations. The purpose of this study was to investigate adverse events (AEs) associated with Ilaris using data from the FDA Adverse Event Reporting System (FAERS) database to guide clinical use. We evaluated retrospectively extracted reports of AEs from the FAERS database between the first quarter of 2009 and the second quarter of 2024. The presence of a significant association between Ilaris and AEs was assessed by using disproportionality analyses including ROR,PRR,BCPNN,MGPS. After evaluating 14,691,170 data, 7968 ILaris-associated AEs were obtained after removing duplicates and unspecified sex items. A number of AEs were finalized through the study, including Common Pyrexia、Condition Aggravated、Influenza, and unexpected signals not listed in the drug insert, such as Pulmonary Thrombosis、Hepatomegaly、Blood Lactate Dehydrogenase Increased、Splenomegaly、Appendicitis. Ilaris induced AEs involving 27 system organ classes (SOCs). There were gender differences in AEs signaling associated with Ilaris. It is critical for healthcare professionals to closely monitor patients for symptoms (such as pulmonary thrombosis, Hepatomegaly, Blood Lactate Dehydrogenase Increased, Splenomegaly, Appendicitis) and other adverse events during treatment.
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 | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».