目的利用美国FDA不良事件报告系统(FAERS)对钠-葡萄糖共转运蛋白2(SGLT2)抑制剂的生殖系统药物毒性进行全面分析,挖掘潜在的生殖系统不良事件信号,以期为临床合理用药提供参考。方法采用压缩估计的不相称测定分析,选取报告比值比法(ROR)和成分信息法(IC)对FAERS中2013年第1季度至2021年第2季度有关SGLT2抑制剂的数据进行挖掘,借助重要医疗事件(IME)列表筛选出生殖系统IME。所有的不良事件及IME均由《国际医学用语词典》(MedDRA)24.0版编码。分析患者的临床特征、预后、信号检测结果及指定不良事件的事件发生时间(TTO)。结果将SGLT2抑制剂作为“首要怀疑”和“次要怀疑”的生殖系统不良事件报告纳入分析,共获得2700条记录。男性生殖系统不良事件发生频率(57.59%,1555/2700)高于女性(35.70%,964/2700),单药治疗与生殖不良事件的关联强度高于联合用药(IC的95%CI下限:1.40 vs 1.21;ROR的95%CI下限:2.65 vs 2.37)。在单药治疗中共检测出56个信号,出现8个强信号和13个IME。常见的生殖系统不良事件是Fournier坏疽、生殖器真菌感染、龟头包皮炎等。说明书中未提及的IME共10个,包括男性外生殖器蜂窝织炎、乳腺癌、阴茎癌等。结论除了已知的生殖系统不良事件,SGLT2抑制剂还存在其他重要的生殖系统不良事件信号。不同SGLT2抑制剂的生殖毒性存在差异性,临床医师应充分考量用药的风险与收益,对严重不良事件进行重点监测。
目的运用贝叶斯网络(Bayesian network,BNT)分析肝癌病人资料,探索肝癌预后影响因素间的相互关系。方法依据最小描述长度(Mini mal Description Length,MDL)准则学习网络结构,对完整数据运用极大似然估计(Maxi mumlikelihood esti matio...
详细信息
目的运用贝叶斯网络(Bayesian network,BNT)分析肝癌病人资料,探索肝癌预后影响因素间的相互关系。方法依据最小描述长度(Mini mal Description Length,MDL)准则学习网络结构,对完整数据运用极大似然估计(Maxi mumlikelihood esti mation,MLE)获得网络参数,对含有缺失值的数据运用期望最大化(Expectation Maxi mization,EM)算法进行参数学习,并与完整数据的MLE估计进行比较,衡量BNT学习含有缺失值数据的能力。结果通过对含有1441个样本的肝癌资料的学习,构建了一个含有49个结点,62条有向边的BNT模型,并获得各结点参数。网络中的有向边反映肝癌预后影响因素之间的相互作用或影响,网络参数反映其强度。分析了直接影响肝癌预后和分期的指标,并依据网络参数,判断肝癌分期及预后情况。结论BNT模型具有较强的处理缺失数据的能力,应用BNT分析肝癌病人资料,揭示了影响肝癌预后的多因素间,多层次的多重因果关系,并从概率角度定量描述各因素间的影响强度。
暂无评论