Drug‐Induced Lithium Toxicity in the Elderly: A Population‐Based Study
Notice bibliographique
Résumé
OBJECTIVES: To study the association between hospital admission for lithium toxicity and the use of diuretics, angiotensin-converting enzyme (ACE) inhibitors, and nonsteroidal antiinflammatory drugs (NSAIDs) in the elderly. DESIGN: Population-based nested case-control study. SETTING: Ontario, Canada. PARTICIPANTS: Ontario residents aged 66 and older treated with lithium. MEASUREMENTS: Estimated relative risk of hospital admission for lithium toxicity. RESULTS: From January 1992 to December 2001, 10,615 elderly patients continuously receiving lithium were identified, of whom 413 (3.9%) were admitted to the hospital at least once for lithium toxicity. After adjustment for potential confounders, a dramatically increased risk of lithium toxicity was seen within a month of initiating treatment with a loop diuretic (relative risk (RR)=5.5, 95% confidence interval (CI)=1.9-16.1) or an ACE inhibitor (RR=7.6, 95% CI=2.6-22.0). Conversely, neither thiazide diuretics nor NSAIDs were independently associated with a significantly increased risk of hospitalization for lithium toxicity. CONCLUSION: The use of loop diuretics or ACE inhibitors significantly increases the risk of hospitalization for lithium toxicity, particularly in naïve recipients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».