மருந்தாக்கியல் மற்றும் மருந்துப் பாதுகாப்பில் முன்னேற்றங்கள்

சுருக்கம்

வரிசை சமச்சீர் பகுப்பாய்வு மற்றும் ஏற்றத்தாழ்வு பகுப்பாய்வு: பாதகமான மருந்து எதிர்வினையின் எந்த சதவீதத்தை அவை சமிக்ஞை செய்கின்றன?

இஸ்யான் ஏ வஹாப், நிக்கோல் எல் பிராட், லிசா எம் கலிஷ் மற்றும் எலிசபெத் இ ரூக்ஹெட்

பின்னணி: வரிசை சமச்சீர் பகுப்பாய்வு (SSA) என்பது நிர்வாக உரிமைகோரல் தரவைப் பயன்படுத்தி பாதகமான நிகழ்வு (AE) சமிக்ஞைகளைக் கண்டறியும் ஒரு முறையாகும். விகிதாசார அறிக்கையிடல் விகிதம் (PRR), அறிக்கையிடல் முரண்பாடுகள் விகிதம் (ROR) மற்றும் பேய்சியன் நம்பிக்கை பரப்புதல் நரம்பியல் நெட்வொர்க் (BCPNN) ஆகியவை தன்னிச்சையான அறிக்கையிடல் தரவைப் பயன்படுத்தி AE சமிக்ஞைகளைக் கண்டறியும் முறைகள் ஆகும். நான்கு முறைகளாலும் கண்டறியப்பட்ட AEகளின் விகிதம் தெரியவில்லை. குறிக்கோள்: மருந்து-AE ஜோடிகளின் தொகுப்பிற்கு SSA, PRR, ROR மற்றும் BCPNN ஆகியவற்றின் உணர்திறன், தனித்தன்மை மற்றும் முன்கணிப்பு மதிப்புகளை தீர்மானிக்க. முறைகள்: வெளியிடப்பட்ட ரேண்டமைஸ் கன்ட்ரோல்டு ட்ரையல்ஸ் (RCTs) மற்றும் தயாரிப்பு தகவல் (PI) ஆகியவற்றில் அடையாளம் காணப்பட்ட அனைத்து AEகளும் 19 மருந்துகளுக்கு பிரித்தெடுக்கப்பட்டன. கோல்ட் ஸ்டாண்டர்ட் பாசிட்டிவ் ஏஇகள் என்பது ஆற்றல்மிக்க ஆர்சிடிகளில் அடையாளம் காணப்பட்ட நிகழ்வுகளாகும் மற்றும் கோல்ட் ஸ்டாண்டர்ட் நெகடிவ் ஏஇகள் அந்த மருந்து அல்லது வகுப்பில் உள்ள வேறு எந்த மருந்துகளுக்கும் பிஐயில் பட்டியலிடப்படாத நிகழ்வுகளாகும். ஆஸ்திரேலிய அரசு படைவீரர் விவகாரத் துறையின் தரவைப் பயன்படுத்தி ஒவ்வொரு மருந்து-AE ஜோடிகளுக்கும் SSA செய்யப்பட்டது, அதே நேரத்தில் PRR, ROR மற்றும் BCPNN, உணவு மற்றும் மருந்து நிர்வாகத்தின் பாதகமான நிகழ்வுகள் அறிக்கையிடல் அமைப்பு தரவைப் பயன்படுத்தி கணக்கிடப்பட்டது. முடிவுகள்: மொத்தம் 157 மருந்து-AE ஜோடிகள் (43 நேர்மறை மற்றும் 114 எதிர்மறை) கண்டறியப்பட்டு பரிசோதிக்கப்பட்டன. SSA, PRR, ROR மற்றும் BCPNN ஆகியவை முறையே 65%, 1 9%, 49% மற்றும் 51% உணர்திறனைக் கொண்டிருந்தன. அனைத்து முறைகளிலும் உள்ள விவரக்குறிப்புகள் ஒரே மாதிரியாக இருந்தன; 89%-97%. உண்மையான நேர்மறை ஜோடிகளில் முப்பது சதவீதம் அனைத்து முறைகளிலும் கண்டறியப்பட்டது. SSA கூடுதல் 35% வெவ்வேறு உண்மையான நேர்மறை ஜோடிகளைக் கண்டறிந்தது, அதே நேரத்தில் PRR, ROR மற்றும் BCPNN முறைகள் கூடுதல் 21% வெவ்வேறு உண்மையான நேர்மறை ஜோடிகளைக் கண்டறிந்தன. முடிவுகள்: சிக்னலிங் முறைகள் மற்றும் தரவு மூலங்களின் கலவையைப் பயன்படுத்தி, அதிக பாதகமான மருந்து எதிர்வினைகளைக் கண்டறியலாம் மற்றும் சந்தைப்படுத்தலுக்குப் பிந்தைய மருந்துகளின் பாதுகாப்பு கண்காணிப்பை வலுப்படுத்தலாம்.