基于FDA药物警戒数据库的阿培利斯相关不良事件安全信号评估

阿培利斯已获批用于乳腺癌治疗,随着其临床应用的逐步推广,全面掌握其安全性特征、精准识别潜在不良事件风险至关重要。为系统评估与阿培利斯相关的安全信号,本研究通过数据挖掘方法对美国食品药品监督管理局(FDA)药物警戒数据库进行了针对性分析。

本研究的数据来源于FDA不良事件报告系统(FAERS),检索时间范围限定为2019年第二季度至2022年第四季度。研究采用不成比例分析方法,通过计算报告比值比(ROR)评估各类不良事件(AEs)与阿培利斯之间的潜在关联,以挖掘相关安全信号。

研究共从FAERS数据库中提取到5,980,090份不良事件报告,其中18,149份报告的疑似药物为阿培利斯。对相同PRIMARYID(主要标识符)的报告进行合并后,最终纳入5647名患者的相关数据进行分析。结果显示,共识别出10类与阿培利斯相关且报告数量>50的系统器官分类(SOC),具体包括胃肠疾病、一般疾病及给药部位状况、代谢和营养障碍、皮肤及皮下组织疾病、检查及良性、恶性及未确定性肿瘤(包括囊肿和息肉)、免疫系统疾病、神经系统疾病、精神疾病、眼部疾病。时序分析表明,这些患者发生不良事件的中位时间为13天,四分位数间距(IQR)为7-70天;进一步统计发现,61.12%的不良事件发生在使用阿培利斯的第一个月内。

本研究通过对FAERS数据库的系统挖掘,为阿培利斯相关不良事件提供了更深入、广泛的认知,这一成果有望为临床实践中降低阿培利斯治疗相关不良事件风险提供重要参考。值得关注的是,研究识别出的具有新偏好术语(PT)的不良事件包括便秘、吞咽困难、糖尿病酮症酸中毒、进食障碍、荨麻疹、眼疾和视力模糊。此外,高达61.12%的病例在服用阿培利斯后30天内出现不良事件,提示临床在用药初期需加强安全监测,尤其关注上述新发现的不良事件类型,以便早期识别、及时干预,保障患者治疗安全。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1149840.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

AI万能分类器实战:10分钟部署完成商品分类

AI万能分类器实战:10分钟部署完成商品分类 引言:电商运营的AI分类神器 作为一名电商运营人员,你是否经常遇到这样的困扰:每天上新几十款商品,手动分类耗时耗力;IT部门排期要等一个月,而市场机…

做私域流量运营的第5年,我终于不用凌晨2点还在P图了

图片来源:AI生成说句掏心窝子的话:私域流量运营这活儿,真的太累了。我见过太多同行,白天追热点、写文案、做海报,晚上还要泡在社群里回消息、发朋友圈。好不容易憋出一篇推文,配图又得从零开始折腾——找素…

中文情感分析实战|基于StructBERT镜像快速部署WebUI与API

中文情感分析实战|基于StructBERT镜像快速部署WebUI与API 1. 引言:为什么选择开箱即用的情感分析服务? 在自然语言处理(NLP)的实际落地场景中,中文情感分析是企业级应用最广泛的技术之一。无论是电商评论…

轻量高效多模态模型落地指南|基于AutoGLM-Phone-9B的技术演进

轻量高效多模态模型落地指南|基于AutoGLM-Phone-9B的技术演进 1. 引言:移动端多模态推理的挑战与机遇 随着AI大模型在视觉、语音、文本等多模态任务中的广泛应用,如何将高性能模型部署到资源受限的移动设备上,成为工业界和学术界…

StructBERT情感分析镜像详解|附Python BERT实践对比案例

StructBERT情感分析镜像详解|附Python BERT实践对比案例 1. 引言:从零构建中文情感分析系统的工程挑战 在自然语言处理(NLP)的实际落地中,中文情感分析是企业级应用最广泛的场景之一——从用户评论挖掘到舆情监控&am…

除了 Perfdog,如何在 Windows 环境中完成 iOS App 的性能测试工作

Perfdog 在 iOS 性能测试领域存在感很强,这一点很多做客户端性能的工程师都承认。但当项目逐渐从个人验证走向团队协作、从 Mac 环境扩展到 Windows 测试机房时,成本(太贵太贵太贵了)、部署方式和使用限制开始变成需要认真考虑的问…

云原生部署(AWS/Azure)

1.云原生部署(AWS/Azure) 云原生部署是指利用云计算平台的弹性、可扩展性和自动化能力,以容器化、微服务、持续交付、DevOps 和动态编排(如 Kubernetes)为核心构建和运行应用。在 AWS 和 Azure 上进行云原生部署&…

如何高效实现中文情感分析?试试这款轻量级CPU友好型StructBERT镜像

如何高效实现中文情感分析?试试这款轻量级CPU友好型StructBERT镜像 在自然语言处理(NLP)的实际应用中,中文情感分析是企业用户和开发者最常接触的任务之一。无论是舆情监控、客服反馈分析,还是社交媒体内容管理&#…

只有 Flutter IPA 文件,通过多工具组合完成有效混淆与保护

Flutter 做完 AOT 之后,真的就不用管混淆了吗? 在不少 Flutter 项目里,我见过一种很常见的判断: Dart 已经 AOT 编译成机器码了,反编译难度不低,再去折腾 IPA 混淆意义不大。 这种结论,通常是在…

10分钟实现中文情感分析|基于StructBERT镜像快速部署

10分钟实现中文情感分析|基于StructBERT镜像快速部署 1. 业务场景与技术痛点 在当前的互联网产品生态中,用户评论、客服对话、社交媒体内容等文本数据呈爆炸式增长。企业亟需一种高效、准确、低成本的方式对中文文本进行情绪倾向判断,以支持…

StructBERT中文情感分析镜像发布|开箱即用,支持WebUI与API调用

StructBERT中文情感分析镜像发布|开箱即用,支持WebUI与API调用 1. 章节简介 在自然语言处理(NLP)的实际应用中,中文情感分析是企业级服务中高频需求的核心能力之一。无论是用户评论挖掘、客服对话情绪监控&#xff0…

AI分类器效果对比工具:云端双模型并行测试,直观可视化

AI分类器效果对比工具:云端双模型并行测试,直观可视化 引言 作为产品经理,你是否遇到过这样的困扰:需要向客户展示两个AI模型的性能对比,但本地测试只能一个个模型串行运行,既耗时又难以直观比较&#xf…

一句话理解pyside6的信号和槽机制

通俗的讲:pyside6 信号其实就是指发生了什么,槽就是在接收到这个信号后要做什么。 PySide6 的信号按控件类型分类,不同控件有专属的核心信号,同时也有一些通用信号适用于所有控件。 下面我会按 “通用信号 常用控件专属信号” …

如何高效做中文情感分析?试试这款集成WebUI的StructBERT镜像

如何高效做中文情感分析?试试这款集成WebUI的StructBERT镜像 1. 引言:中文情感分析的现实挑战与新解法 在自然语言处理(NLP)的实际应用中,中文情感分析是企业洞察用户反馈、监控舆情、优化服务体验的核心技术之一。传…

中文情感分析实战|基于StructBERT轻量级镜像快速部署

中文情感分析实战|基于StructBERT轻量级镜像快速部署 1. 引言:中文情感分析的现实需求与技术演进 在当前互联网内容爆炸式增长的背景下,用户评论、社交媒体发言、客服对话等文本数据中蕴含着丰富的情感信息。如何自动识别这些文本的情绪倾向…

中国高校屠榜2026 CSRankings!上交清华并列第一,北大AI封神

2026 CSRankings全球计算机科学排名正式出炉,上海交通大学首次登顶,与清华大学并列全球第一!放眼全球Top 10,中国高校以「屠榜」之势豪取7席。浙江大学不仅杀入前三,更是硬生生追平了昔日霸主CMU,与其并列探…

科研党必备PDF利器|PDF-Extract-Kit镜像实现布局检测与公式识别一体化

科研党必备PDF利器|PDF-Extract-Kit镜像实现布局检测与公式识别一体化 1. 引言:科研文档处理的痛点与破局之道 在科研工作中,PDF文档是知识传递的核心载体。无论是阅读文献、整理实验数据,还是撰写论文,研究者常常面…

IP静态是什么意思?静态IP适用于哪些业务场景?

1 什么是IP静态?“IP静态”,指的是不会随时间或网络重连而发生变化的固定IP地址,也被称为“静态IP”或“固定IP”。 相对地,普通用户使用的多是“动态IP”,每次拨号或断网重连后IP都会变动。在网络业务中,I…

微服务分布式SpringBoot+Vue+Springcloud的美团餐饮商户点评管理与数据分析系统_

目录系统架构与技术栈核心功能模块数据处理与性能优化安全与扩展设计业务价值体现开发技术源码文档获取/同行可拿货,招校园代理 :文章底部获取博主联系方式!系统架构与技术栈 该系统采用微服务分布式架构,基于SpringBoot和SpringCloud框架构…

没技术背景也能用:AI分类器云端版,鼠标点击就运行

没技术背景也能用:AI分类器云端版,鼠标点击就运行 引言:当传统行业遇上AI分类器 作为一名传统行业的从业者,你可能经常遇到这样的困扰:每天需要处理大量重复性的分类工作,比如整理客户反馈、筛选合格产品…