基于FAERS数据库的信号挖掘和阿尔普拉佐拉姆不良事件的风险分析

科学领域:

• 药监和药物安全 药监和药物安全
• 临床药理学 临床药理学
• 数据挖掘和健康信息学

背景情况:

• 阿尔普拉佐拉姆是一种广泛处方的二,需要持续监测安全性.
• FAERS数据库为识别潜在的药物不良反应 (ADRs) 提供了宝贵的资源.
• 以前的分析可能没有捕捉到阿尔普拉佐拉姆的所有新出现的安全信号.

研究的目的:

• 通过大规模的不良事件数据库评估阿尔普拉佐拉姆的安全性.
• 为了识别和分析与阿尔普拉佐兰相关的不良药物反应 (ADR).
• 检测Alprazolam处方信息中以前未记录的新安全信号.

主要方法:

• 从2004年第一季度到2023年第二季度对阿尔普拉佐拉姆的23575起不良事件 (AE) 报告的分析.
• 使用了四种信号挖掘方法:报告几率比率 (ROR),比例报告比率 (PRR),贝叶斯信任传播神经网络 (BCPNN) 和经验贝叶斯几何平均值 (EBGM).
• 检查了患者的人口统计,AE类型,并确定了首选术语 (PT) 和器官系统类别 (SOC) 信号.

主要成果:

• 确定了347个PT信号和27个SOC,每年增加AE报告.
• 最受影响的人口结构:女性,年龄在18-45岁之间. 常见的副作用涉及精神病,神经系统和胃肠道疾病.
• 显著的信号包括药物滥用,自杀的可能性,以及新的发现,如"奔二胺药物水平异常",心血管和血小板功能相关的AE. 在30.96%/21.86%的严重AE报告中发生了严重的结局 (住院/死亡).

结论:

• 阿尔普拉佐拉姆的使用与重大风险有关,包括自杀和滥用.
• 该研究确定了与心血管和血小板系统相关的以前未经记录的不良事件.
• 需要进一步的研究来阐明这些新发现的严重副作用的机制和风险因素.