基于FAERS数据库的丙戊酸不良事件信号挖掘 点击下载
论文标题： 基于FAERS数据库的丙戊酸不良事件信号挖掘
英文标题：
中文摘要： 目的 对抗癫痫药物丙戊酸（VPA）不良事件（AE）信号进行挖掘分析，为临床安全合理用药提供参考。方法采用比例失衡法中的报告比值比（ROR）法和贝叶斯置信传播神经网络（BCPNN）法对美国FDA不良事件报告系统（FAERS）数据库中2013年第1季度至2022年第4季度VPA相关AE报告进行数据挖掘及分析。结果共得到首选语（PT）阳性信号1253个（ROR法）和1109个（BCPNN法），涉及27个系统器官（SOC），主要集中在各类神经系统疾病、精神类疾病、全身性疾病及给药部位各种反应等方面；挖掘出药品说明书中未出现的阳性信号主要累及眼器官疾病、感染及侵染类疾病2个SOC。结论VPA作为一线广谱抗癫痫治疗药物，在临床应用中，除了要关注药品说明书中常见的AE外，也需要关注眼毒性及感染风险。
英文摘要： OBJECTIVE To provide reference for clinically safe and rational drug use through mining and analyzing adverse drug event （AE） signals induced by valproic acid （VPA）. METHODS Reporting Odds Ratio （ROR） and Bayesian Confidence Propagation Neural Network （BCPNN） methods of Measures of Disproportionality were performed to mine and analyze the data of VPA-related AE reports in the US FDA Adverse Event Reporting System （FAERS） database from the first quarter of 2013 to the fourth quarter of 2022. RESULTS A total of 1 253 （ROR） and 1 109 （BCPNN） valid signals of preferred terms （PT） were obtained after data processing by the two analysis methods， involving 27 system organs （SOC）， mainly focusing on nervous system disorders， psychiatric disorders， general disorders and administration site conditions. Signals that did not appear in the instruction were associated with 2 SOCs： ear and labyrinth disorders， infections and infestations. CONCLUSIONS As a first-line broad-spectrum anti-epileptic drug， attention should also be paid to eye toxicity and infection risk in the clinical application in addition to paying attention to common adverse events in the instruction.
期刊： 2023年第34卷第23期
作者： 丁雁鸣；柳丽丽；刘艳萍；温晓娜；张飞雨；朱明辉
英文作者： DING Yanming，LIU Lili，LIU Yanping，WEN Xiaona，ZHANG Feiyu，ZHU Minghui
关键字： 丙戊酸；药品不良事件；比例失衡法；美国FDA不良事件报告系统；抗癫痫药物
KEYWORDS： valproic acid； adverse drug event； Measures of Disproportionality； FDA adverse drug event reporting system；
总下载数： 81次
本日下载数： 2次
本月下载数： 81次
文件大小： 619.60Kb

* 注：未经本站明确许可，任何网站不得非法盗链资源下载连接及抄袭本站原创内容资源!在此感谢您的支持与合作！