Nenhuma associação causal direta significativa entre biomarcadores da via TNF e risco de fratura do quadril: um estudo baseado em dados do mundo real

Resumo

Este estudo integra a farmacovigilância FAERS com randomização mendeliana para avaliar associações entre biomarcadores da via TNF e risco de fratura do quadril. Combinando vigilância de eventos adversos no mundo real com inferência causal genética, o fluxo de trabalho oferece uma abordagem reprodutível para avaliar as relações biomarcador–desfecho quando ensaios randomizados não estão disponíveis, são impraticáveis ou são eticamente difíceis de conduzir na prática.

Resumo

Fratura do quadril é uma condição comum e grave em idosos, frequentemente associada à alteração da sinalização do TNF-α. No entanto, poucos estudos exploraram se alterações nos biomarcadores da via do TNF contribuem para o risco de fratura do quadril. Neste estudo, eventos adversos relacionados à fratura do quadril relatados para cinco inibidores de TNF foram analisados usando dados do primeiro trimestre de 2014 ao quarto trimestre de 2023. Após padronização e limpeza dos dados, quatro métodos de desproporcionalidade, incluindo a razão de chances de relato, a razão proporcional de reporte, o encolhimento de Poisson gama multi-item e a rede neural de propagação de confiança bayesiana, foram aplicados para avaliar a associação entre exposição ao inibidor do TNF e desfechos de fraturas do quadril. Análises complementares de randomização mendeliana foram realizadas posteriormente usando TNF-α, sTNFR1 e sTNFR2 como exposições e fratura do quadril como desfecho. Análises de farmacovigilância não revelaram associação significativa entre a exposição ao inibidor do TNF e eventos adversos relacionados a fraturas do quadril entre os quatro algoritmos. Análises de randomização mendeliana não identificaram associação causal direta significativa entre o risco geneticamente previsto de TNF-α e fratura do quadril, e análises adicionais de sTNFR1 e sTNFR2 produziram resultados consistentes. Esses achados sugerem que biomarcadores da via do TNF dificilmente atuarão como determinantes diretos independentes do risco de fratura do quadril e podem fornecer uma base útil para futuros estudos mecanicistas e estratégias de prevenção.

Introdução

Fratura do quadril é uma condição clínica comum e grave em idosos, e suas manifestações clínicas geralmente são caracterizadas por dor e disfunção no^{quadril 1}. Fraturas do quadril não só têm um impacto sério nos pacientes, mas também impõem um grande fardo às famílias e à sociedade. Para os pacientes, fraturas do quadril frequentemente são acompanhadas por um longo período de internação e reabilitação, o que tem grande impacto na saúde física e mental dos^{idosos 2,3,4}. No nível familiar, os pacientes geralmente precisam de cuidados de longo prazo por parte dos familiares, o que pode aumentar o peso financeiro e emocional sobre a família, especialmente para famílias de baixa renda, que podem ter um impacto maior⁵. No nível social, a alta incidência de fraturas no quadril não só aumenta o consumo de recursos de saúde, mas também representa um desafio para o sistema de segurança em saúde em uma sociedade^{envelhecida 6,7}. Do ponto de vista epidemiológico, a incidência de fraturas do quadril tem apresentado uma tendência de aumento anual globalmente, o que está intimamente relacionado ao envelhecimento da^{população de 8} anos. Pessoas idosas, especialmente mulheres idosas, têm alto risco de fratura do quadril, e aproximadamente 75% dos casos de fratura ocorrem na população feminina idosa com mais de 65 anos^{de idade, 9, 10, 11}. Portanto, é necessário realizar pesquisas relevantes sobre fraturas de quadril para explorar o mecanismo de sua ocorrência e desenvolvimento, o que favorece melhor prevenção e tratamento das fraturas do quadril. Estudos anteriores sugeriram que fratura do quadril pode ser acompanhada de alteração da expressão do TNF-α e ativação^{inflamatória 12,13}. No entanto, se alterações geneticamente previstas nos biomarcadores da via TNF estão causalmente associadas ao risco de fratura do quadril permanece^{incerto 14}. Portanto, o presente estudo investigou se biomarcadores da via TNF estão causalmente associados ao risco de fratura do quadril. Cinco inibidores de TNF, incluindo etanercept¹⁵, adalimumabe¹⁶, infliximabe¹⁷, certolizumabe pegol¹⁸ e golimumabe¹⁹, foram selecionados para análise de farmacovigilância. O banco de dados FAERS foi utilizado para identificar relatos de eventos adversos de fratura do quadril associados a esses agentes, e análises complementares de randomização mendeliana (RM) foram realizadas para avaliar melhor a causalidade.

Diversas abordagens metodológicas podem ser usadas para investigar essa questão, mas cada uma possui limitações importantes. Estudos observacionais tradicionais, como estudos de coorte e estudos caso-controle, são úteis para identificar associações em populações clínicas, mas frequentemente são afetados por confusão residual, viés de indicação, causalidade reversa e ajuste incompleto para a gravidade da doença, comorbidades ou medicamentos^{concomitantes 20}. Ensaios clínicos randomizados podem fornecer evidências causais mais fortes, mas frequentemente são caros, demorados e difíceis de realizar para desfechos de longo prazo, como fratura do quadril, especialmente quando a exposição de interesse envolve biomarcadores inflamatórios ou eventos de segurança pós-comercialização^{de medicamentos 21}. Análises de farmacovigilância independentes podem detectar sinais potenciais de segurança em grandes populações do mundo real, mas dados de reporte espontâneo não podem estabelecer causalidade de forma independente devido à subnotificação, relatórios duplicados, dados ausentes, viés de reporte e falta de informação do^{denominador 22}. Por outro lado, a randomização mendeliana isolada pode fortalecer a inferência causal ao usar variantes genéticas como variáveis instrumentais, mas não captura diretamente padrões reais de segurança pós-comercialização de medicamentos e pode ser limitada quando instrumentos válidos não estão disponíveis ou quando a pleiotropia horizontal está^{presente 23}.

O sistema de notificação de eventos adversos da FDA (FAERS) é um banco de dados criado pela Food and Drug Administration (FDA) dos EUA para coletar e monitorar informações de segurança de medicamentos²⁴. Ele registra relatos de eventos adversos de medicamentos de múltiplas fontes, incluindo pacientes, profissionais de saúde e fabricantes de medicamentos, sendo uma ferramenta importante para monitorar e avaliar reações adversas^{a medicamentos 25}. As informações do banco de dados FAERS são amplamente utilizadas em análise e pesquisa de segurança de medicamentos, e muitos estudos acadêmicos e diretrizes de prática clínica baseiam suas decisões em dados desta plataforma²⁶. Um exemplo é o monitoramento do risco de eventos adversos relacionados a imunossupressores e outros eventos adversos^{relacionados 27,28}. Comparados aos estudos clínicos convencionais, sistemas de relato espontâneo podem capturar eventos adversos raros ou retardados em grandes populações do mundo real a um custo relativamente^{baixo 29}. No entanto, eles são suscetíveis a subnotificação, relatórios duplicados, dados ausentes e viés de relatório, e, portanto, não podem estabelecer de forma independente a^{causalidade 30,31}.

Randomização mendeliana é um método estatístico usado para estudar a relação causal entre exposição e doença, utilizando variação genética como variável^{instrumental 32}. No estudo de reações adversas a medicamentos, a randomização mendeliana pode ser usada para identificar potenciais relações causais e fornecer evidências confiáveis para apoiá-las. A validade da randomização mendeliana baseia-se em três pressupostos, como mostrado nas Figuras 1, ^{33, 34, 35}: as variantes selecionadas estão fortemente associadas à exposição; as variantes influenciam o resultado apenas através da via de exposição; e as variantes são independentes dos principais fatores de confusão. Comparado aos estudos observacionais tradicionais, a randomização mendeliana é menos vulnerável à confusão residual e causalidade reversa, pois as variantes genéticas são alocadas aleatoriamente na concepção e permanecem em grande parte estáveis ao longo da^{vida 36,37}. No entanto, essa abordagem pode ser menos adequada quando variáveis instrumentais válidas não estão disponíveis, quando a pleiotropia horizontal é substancial ou quando os efeitos da exposição são fortemente dependentes do^{tempo 38}.

Ao integrar a análise de farmacovigilância FAERS com randomização mendeliana, o fluxo de trabalho atual combina vigilância de segurança no mundo real com inferência causal genética. Essa abordagem combinada é particularmente adequada quando ensaios clínicos randomizados são indisponíveis, impraticáveis ou antiéticos, e quando são necessárias evidências complementares para avaliar as relações^{biomarcadores-desfechos 39}. Na prática, esse fluxo de trabalho de randomização FAERS-Mendelian é mais adequado quando a questão da pesquisa atende às seguintes condições: primeiro, a relação evento medicamentoso ou biomarcador é clinicamente importante, mas não pode ser adequadamente testada em ensaios^{randomizados 40}; segundo, dados de segurança do mundo real pós-comercialização estão disponíveis e podem ser usados para triar ou caracterizar sinais de eventos adversos; terceiro, estatísticas resumidas apropriadas de estudos de associação genômica ampla estão disponíveis tanto para a exposição quanto para o resultado; e quarto, o pesquisador busca combinar a detecção de sinais com inferência causal genética, em vez de depender apenas de qualquer um dos métodos. Nessas condições, o FAERS pode fornecer evidências do mundo real sobre a existência de um sinal potencial de segurança, enquanto a randomização mendeliana pode avaliar ainda mais se o biomarcador ou via relacionada provavelmente terá uma relação causal direta com o resultado. Esse fluxo de trabalho combinado é especialmente útil para avaliar resultados raros, atrasados ou eticamente difíceis de estudar e para gerar evidências mais robustas quando os desenhos epidemiológicos convencionais são^{limitados a 41}.

Com base nessa lógica, este estudo buscou estabelecer e demonstrar um fluxo integrado de randomização FAERS-Mendelian para avaliar sinais de segurança entre eventos de drogas e relações causais biomarcador-resultado quando abordagens convencionais de inferência causal são limitadas. A análise de farmacovigilância FAERS foi usada inicialmente para rastrear e caracterizar relatos de eventos adversos relacionados a fraturas de quadril associados aos inibidores do TNF. A randomização mendeliana foi então aplicada para avaliar se biomarcadores geneticamente previstos da via TNF, incluindo TNF-α, sTNFR1 e sTNFR2, estavam causalmente associados ao risco de fratura do quadril. Ao combinar a vigilância de segurança pós-comercialização com a inferência causal genética, esse fluxo de trabalho fornece uma referência metodológica reprodutível para estudos futuros que investiguem relações clinicamente importantes entre evento medicamentoso ou biomarcador.

Protocolo

Fontes de dados do FAERS

Os dados do mundo real deste estudo foram obtidos do banco de dados FAERS (https://fis.fda.gov/extensions/FPD-QDE-FAERS/FPD-QDE-FAERS.html). Este é um banco de dados público acessível e anonimizado, portanto não foi necessária aprovação ética para este estudo. Informações sobre os cinco medicamentos incluídos são apresentadas na Tabela 1. A busca foi realizada inicialmente limitando os eventos adversos à fratura do quadril, e o período de busca foi do primeiro trimestre de 2014 ao quarto trimestre de 2023. Para garantir dados confiáveis e estáveis, o estudo padronizou a terminologia dos eventos adversos relatados por meio da versão 26.1⁴² do Dicionário MedDRA. Os arquivos ASCII trimestrais do FAERS do primeiro trimestre de 2014 ao quarto trimestre de 2023 foram baixados e importados para análise. As tabelas extraídas do FAERS incluíam DEMO, DRUG, REAC, THER, RPSR e OUTC. Essas mesas foram agrupadas em todos os quadros antes da exibição. Os relatos foram vinculados usando CASEID e PRIMARYID para garantir consistência entre dados demográficos, medicamentos, reações, terapias, relatores e desfechos. Os medicamentos-alvo incluíam etanercept, adalimumabe, infliximabe, certolizumabe, pegol e golimumabe. Os nomes dos medicamentos na tabela DRUG foram padronizados convertendo texto para maiúsculas, removendo espaços extras e verificando variantes ortográficas quando necessário. Os medicamentos-alvo foram identificados usando nomes genéricos padronizados na tabela de FÁRMACOS, e a restrição do papel do fármaco foi realizada usando ROLE_COD = "PS", indicando o principal medicamento^{suspeito 43}. O roteiro específico da técnica de triagem do estudo é mostrado na Figura 2. Após a limpeza e triagem dos dados, foi obtido um conjunto de dados único e analisável de relatos elegíveis de fraturas do quadril para análises subsequentes.

Relatórios duplicados do FAERS foram removidos antes da detecção do sinal. Duplicados foram identificados de acordo com CASEID e PRIMARYID. Quando múltiplos relatórios compartilhavam o mesmo CASEID, o relatório mais recente era mantido segundo FDA_DT. Se múltiplos relatos tivessem o mesmo CASEID e FDA_DT, o relatório com o PRIMARY mais alto era mantido. Após a deduplicação, cada CASEID contribuiu com apenas um registro para o conjunto de dados analítico final. Os relatórios foram incluídos se atendessem a todos os seguintes critérios: data de reporte entre o primeiro trimestre de 2014 e o quarto trimestre de 2023; o evento adverso foi codificado como "Fratura do quadril"; pelo menos um dos cinco inibidores de TNF foi registrado na tabela de FÁRMACOS; e o papel da droga foi codificado como principal suspeito. Os relatos foram excluídos se fossem registros duplicados, não tivessem informações válidas de CASEID ou PRIMARYID, não tivessem entrada correspondente de DRUG ou REAC, não incluíssem o evento adverso alvo ou listassem o inibidor de TNF alvo apenas como medicamento suspeito concomitante ou secundário.

Fontes de dados GWAS para randomização mendeliana

Os dados de exposição para TNF-α na randomização mendeliana deste estudo foram obtidos do banco de dados OpenGWAS do IEU (https://gwas.mrcieu.ac.uk/), com GWAS ID prot-c-3722_49_2 do estudo de Suhre K et al. A população estudada era de ascendência europeia, e o número de SNPs era de 501.428⁴⁴.

Os dados de exposição para sTNFR1 na randomização mendeliana deste estudo foram obtidos do banco de dados IEU OpenGWAS (https://gwas.mrcieu.ac.uk/), com GWAS ID prot-c-2654_19_1 do estudo de Suhre K et al. A população estudada era de ascendência europeia, e o número de SNPs era de 501.428⁴⁴.

Os dados de exposição para sTNFR2 na randomização mendeliana deste estudo foram obtidos do banco de dados IEU OpenGWAS (https://gwas.mrcieu.ac.uk/), com GWAS ID prot-c-3152_57_1 do estudo de Suhre K et al. A população estudada era de ascendência europeia, e o número de SNPs era de 501.428⁴⁴.

Os dados de desfecho para fratura do quadril, GWAS ID GCST90161240, depositados no Catálogo GWAS (https://www.ebi.ac.uk/gwas/studies/GCST90161240), são dados de uma meta-análise de um GWAS em grande escala que incluiu 11.516 casos de fratura do quadril e 723.838 controles⁴⁵. A classificação da doença está alinhada com a Classificação Internacional de Doenças (CIE; códigos ICD-10 S72.0–S72.2 e código ICD-9 820).

Aprovação ética e consentimento informado foram obtidos nos estudos GWAS originais. Como o presente estudo utilizou dados FAERS anonimizados e públicos e estatísticas resumidas GWAS disponíveis publicamente, não foi necessária aprovação ética adicional.

Ambiente de software e implementação de fluxos de trabalho

Todas as análises foram realizadas usando a versão 4.3.2 do R. A importação, limpeza, fusão e tabulação de dados do FAERS foram realizadas usando fluxos de trabalho de gerenciamento de dados baseados em R. Tabelas de dados eram importadas usando funções como data.table::fread() ou readr::read_delim(), mescladas usando CASEID e PRIMARYID, e processadas usando funções dplyr. Estatísticas descritivas e 2 × 2 tabelas de contingência foram geradas usando scripts R personalizados.

Análises de randomização mendeliana foram realizadas usando o TwoSampleMR versão 0.5.6. Os instrumentos de exposição foram extraídos usando um limiar de significância de P < 1 × 10⁻⁵ ou formatados a partir de estatísticas resumidas GWAS usando estruturas de entrada compatíveis com TwoSampleMR. A agrupação de instrumentos foi realizada usando clump_data() com clump_r² = 0,001 e clump_kb = 10.000. Os dados de resultado foram extraídos ou formatados usando extract_outcome_data() ou read_outcome_data(), dependendo do formato fonte. Os conjuntos de dados de exposição e desfechos foram harmonizados usando harmonise_data(). Estimativas causais foram geradas usando mr() com os seguintes métodos de randomização mendeliana: MR-Egger, mediana ponderada, ponderada pela variância inversa, modo simples e modo ponderado. A heterogeneidade foi avaliada usando mr_heterogeneity(), e a pleiotropia horizontal foi avaliada usando mr_pleiotropy_test(). Todos os conjuntos de dados foram importados, limpos, harmonizados e analisados dentro desse ambiente de software para garantir um fluxo de trabalho analítico consistente e reproduzível.

Análise de farmacovigilância

Análises descritivas foram usadas para resumir eventos adversos relacionados a fraturas do quadril associados aos cinco medicamentos. Análises de detecção de sinal foram então realizadas usando quatro algoritmos de desproporcionalidade, incluindo a razão de chances de reporte (ROR), a razão proporcional de reporte (PRR), o shrinker de Poisson gama multi-item (MGPS) e a rede neural de propagação de confiança bayesiana (BCPNN). Os critérios para os quatro principais algoritmos estão apresentados na Tabela 2⁴⁶.

Análise de randomização mendeliana

Estatísticas resumidas para TNF-α, sTNFR1 e sTNFR2 foram extraídas como conjuntos de dados de exposição, e estatísticas resumidas de fraturas de quadril foram extraídas como conjunto de dados de desfechos. As análises foram restritas a conjuntos de dados europeus de ancestralidade quando disponíveis para reduzir o viés de estratificação populacional.

Para minimizar o viés causado por desequilíbrio de ligação e instrumentos fracos, foram aplicados os seguintes critérios: limiar de significância genômica P < 1 × 10⁻⁵, limiar de desequilíbrio de ligação r² < 0,001, janela de aglomeração de 10.000 kb e estatística F > 20. A estatística F foi calculada para cada variável instrumental retida como beta²/se² para avaliar a força do instrumento. SNPs com estatística F ≤ 20 foram excluídos das análises a jusante.

Após a seleção dos SNPs, os conjuntos de dados de exposição e desfechos foram harmonizados para alinhar os alelos de efeito. Durante a harmonização, alelos de efeito e outros alelos foram alinhados entre os conjuntos de dados de exposição e desfecho. SNPs com alelos incompatíveis foram removidos, e SNPs palindrômicos com frequências alélicas ambíguas foram excluídos quando a orientação da cadeia não pôde ser determinada. Após a harmonização, os SNPs retidos foram verificados para confirmar que os coeficientes beta correspondiam ao mesmo alelo de efeito em ambos os conjuntos de dados. O número de SNPs mantidos após agrupamento e harmonização foi registrado para cada exposição como um ponto de verificação de reprodutibilidade intermediária.

Cinco métodos de randomização mendelianos foram aplicados, incluindo MR-Egger, mediana ponderada, ponderada inversa da variância, modo simples e modo ponderado. A potencial heterogeneidade das variáveis instrumentais foi avaliada usando o teste Q de Cochran, e P < 0,05 foi considerado indicativo de heterogeneidade significativa. A potencial pleiotropia horizontal foi avaliada usando o intercepto de RM-Egger, e P < 0,05 indicou pleiotropia, sugerindo menor confiabilidade da estimativa^{causal 47}. Essas análises geraram estimativas de efeito causal, juntamente com estatísticas de heterogeneidade e pleiotropia para cada exposição.

Pontos intermediários de verificação para reprodutibilidade

Checkpoints intermediários eram registrados após cada etapa principal de processamento para garantir a reprodutibilidade do fluxo de trabalho. Para o fluxo de trabalho FAERS, os pontos de controle incluíram o número de registros DEMO importados, o número de registros únicos após a deduplicação, o número de relatos contendo fratura do quadril como evento adverso alvo, o número de relatos envolvendo os cinco inibidores de TNF e o número final de relatos elegíveis em que inibidores de TNF foram registrados como medicamentos suspeitos primários. Para o fluxo de trabalho de randomização mendeliana, os pontos de verificação incluíram o número de SNPs extraídos para cada exposição, o número de SNPs retidos após o agrupamento de desequilíbrio de ligação, o número de SNPs disponíveis no conjunto de dados de resultados, o número de SNPs retidos após a harmonização e o número final de variáveis instrumentais usadas em cada análise de randomização Mendeliana.

Relatórios estatísticos

Resultados contínuos foram relatados com estimativas correspondentes de efeito, intervalos de confiança de 95% (IC 95%) e valores de P . A menos que especificado de outra forma, significância estatística foi definida como um P de dois lados < 0,05. Para análise de farmacovigilância, foram reportadas contagens descritivas e estimativas de desproporcionalidade para cada inibidor individual de TNF e para o grupo agrupado de inibidores de TNF. Para a análise de randomização mendeliana, estimativas causais, erros padrão, intervalos de confiança de 95%, valores P , estatísticas de heterogeneidade, resultados do teste de pleiotropia e o número de SNPs retidos foram reportados para cada exposição.

Resultados

Resultados da análise descritiva

O fluxo de trabalho detalhado de limpeza e triagem de dados é resumido na Figura 2. Um total de 15.428.448 registros foram inicialmente recuperados da tabela DEMO. Após a remoção duplicada, restaram 13.447.292 discos DEMO únicos. Após padronização de dados, deduplicação e ligação entre tabelas cruzadas, o número final de registros disponíveis em cada tabela FAERS foi 27.260.995 em ...

Discussão

Neste estudo, cinco inibidores de TNF identificados a partir de dados reais de farmacovigilância foram integrados com análises de randomização mendeliana para avaliar se biomarcadores da via do TNF estão causalmente associados ao risco de fratura do quadril. Os achados indicaram consistentemente que nenhuma associação causal direta significativa entre o TNF-α e o risco de fratura do quadril foi identificada, e análises adicionais de sTNFR1 e sTNFR2 forneceram resultados concordantes. Ess...

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Estação de trabalho genérica de laboratório	Equipamento	Computador genérico de laboratório	N/A
Banco de dados do Sistema de Notificação de Eventos Adversos da FDA	Banco de dados público de farmacovigilância	Administração de Alimentos e Medicamentos dos EUA	https://fis.fda.gov/extensions/FPD-QDE-FAERS/FPD-QDE-FAERS.html
Arquivos ASCII trimestrais do FAERS	Arquivos públicos de dados de farmacovigilância	Administração de Alimentos e Medicamentos dos EUA	1º trimestre de 2014 a quarto trimestre de 2023; TABELAS DEMO, DRUG, REAC, THER, RPSR e OUTC
Dicionário MedDRA versão 26.1	Recurso de terminologia médica	Organização de Serviços de Manutenção e Suporte MedDRA	https://www.meddra.org/
Banco de dados IEU OpenGWAS	Banco de dados público GWAS	Unidade de Epidemiologia Integrativa do MRC, Universidade de Bristol	https://gwas.mrcieu.ac.uk/
TNF-&alfa; Estatísticas resumidas do GWAS	Conjunto de dados GWAS de exposição	Banco de dados IEU OpenGWAS	ID GWAS: prot-c-3722_49_2
Estatísticas resumidas GWAS sTNFR1	Conjunto de dados GWAS de exposição	Banco de dados IEU OpenGWAS	ID GWAS: prot-c-2654_19_1
Estatísticas resumidas do GWAS sTNFR2	Conjunto de dados GWAS de exposição	Banco de dados IEU OpenGWAS	ID GWAS: prot-c-3152_57_1
Catálogo GWAS	Banco de dados público GWAS	Instituto Europeu de Bioinformática	https://www.ebi.ac.uk/gwas/
Fratura do quadril Estatísticas resumo GWAS	Conjunto de dados GWAS de resultados	Catálogo GWAS	ID de acesso: GCST90161240; https://www.ebi.ac.uk/gwas/studies/GCST90161240
Versão R 4.3.2	Ambiente de computação estatística	Fundação R para Computação Estatística	https://www.r-project.org/
pacote data.table	Pacote R	Repositório de pacotes R / comunidade R	https://cran.r-project.org/package=data.table
Pacote dplyr	Pacote R	Repositório de pacotes R / comunidade R	https://cran.r-project.org/package=dplyr
Pacote readr	Pacote R	Repositório de pacotes R / comunidade R	https://cran.r-project.org/package=readr
Pacote stringr	Pacote R	Repositório de pacotes R / comunidade R	https://cran.r-project.org/package=stringr
Pacote vroom	Pacote R	Repositório de pacotes R / comunidade R	https://cran.r-project.org/package=vroom
TwoSampleMR versão 0.5.6	Pacote R para randomização mendeliana	Unidade de Epidemiologia Integrativa do MRC	https://mrcieu.github.io/TwoSampleMR/
Scripts R personalizados para processamento FAERS	Roteiro de análise	Preparado pelos autores do estudo	Fornecidos como arquivos suplementares
Scripts R personalizados para randomização mendeliana	Roteiro de análise	Preparado pelos autores do estudo	Fornecidos como arquivos suplementares