【摘 要】
：
目的 通过对利拉鲁肽上市后大样本数据安全信号的挖掘分析,为临床合理安全用药提供参考.方法 采用报告比值比(ROR)法和比例报告比值法(PRR)对美国食品药品管理局(FDA)不良事件报告系统(FAERS)数据库2010年1月25日—2021年第1季度收录的利拉鲁肽相关报告进行数据挖掘.从国际医学用语词典(MedDRA)的首选语(PT)、高位语(HLT)、标准MedDRA分析查询(SMQ)3个维度分析药品不良事件(ADE)安全信号.结果 以利拉鲁肽为首要怀疑药品的不良事件报告24957份,在HLT层级得到53
【机 构】
：
重庆医科大学附属儿童医院药学部,儿童发育疾病研究教育部重点实验室,国家儿童健康与疾病临床医学研究中心,儿童发育重大疾病国家国际科技合作基地,儿科学重庆市重点实验室,重庆 400014
论文部分内容阅读
目的 通过对利拉鲁肽上市后大样本数据安全信号的挖掘分析,为临床合理安全用药提供参考.方法 采用报告比值比(ROR)法和比例报告比值法(PRR)对美国食品药品管理局(FDA)不良事件报告系统(FAERS)数据库2010年1月25日—2021年第1季度收录的利拉鲁肽相关报告进行数据挖掘.从国际医学用语词典(MedDRA)的首选语(PT)、高位语(HLT)、标准MedDRA分析查询(SMQ)3个维度分析药品不良事件(ADE)安全信号.结果 以利拉鲁肽为首要怀疑药品的不良事件报告24957份,在HLT层级得到53个信号,SMQ层级得到12个信号,PT/HLT/SMQ层级上报频数前30位事件分别检出21,15,9个信号,且两种算法信号完全重合.信号结果主要表现为胃肠道不良反应、急性及慢性胰腺炎、急性胆囊疾病及低血糖等事件.将信号进行规整比对,其中涉及的10个事件说明书未收录.结论 上市后不良反应信号监测有助于了解利拉鲁肽安全性事件特征,可为进一步的药物警戒工作奠定基础.
其他文献
构建高质量的句子表示是句子分类获得更好性能的基础。传统基于高维向量的句子表示方法存在数据稀疏问题。近年来,基于深度学习技术构建的句子低维连续向量表示可有效缓解传统方法的问题,但还存在着一些重要的问题。其一,目前的方法只为每个句子学习单个表示,并基于该单表示进行分类。其二,目前的方法大多只利用句子的类别标签,而忽略了句子之间的结构关系。其三,目前的方法大多仅针对句子分类本身来优化表示,而对利用辅助任
得益于无线通信技术的快速演进以及智能终端的广泛普及,移动互联网在近年来获得了快速的发展。随着移动互联网规模的扩张,以移动视频服务为代表的移动多媒体应用呈现出爆发式增长的趋势。然而,现有移动互联网仍然沿用传统TCP/IP的网络体系结构。TCP/IP以主机通信（Host Communication）为目标的设计理念已经难以适应当前互联网以内容分发为主的功能需求。传统的多媒体分发解决方案如内容分发网络（
青少年成年起病型糖尿病(MODY)是一种特殊类型的单基因糖尿病,至今发现的MODY突变分型至少有14种.不同的分型其发病机制、治疗方法各不相同.目前,对常见的MODY-1,2,3,5报道较多,对罕见分型报道较少.该文总结了目前存在的14种MODY分型的流行现状、发病机制及精准治疗方法,为MODY的精准治疗提供参考.