Major bleeding risk associated with warfarin and co‐medications in the elderly population
Notice bibliographique
Résumé
PURPOSE: Warfarin management in the elderly population is complex as medicines prescribed for concomitant diseases may further increase the risk of major bleeding associated with warfarin use. We aimed to quantify the excess risk of bleeding-related hospitalisation when warfarin was co-dispensed with potentially interacting medicines. METHODS: A retrospective cohort study was undertaken over a 4-year period from July 2002 to June 2006 to examine bleeding risk associated with medications co-administered in patients taking warfarin using an administrative claims database from the Australian Department of Veterans' Affairs. All veterans aged 65 years and over who were new users of warfarin were followed until death or study end. Risk of bleeding was assessed using a Poisson GEE model adjusting for age, gender, socioeconomic status, co-morbidity index, previous bleeding related hospitalisations and indicators of health service use. RESULTS: Overall, 17661 veterans who used warfarin at any time during the study period were included. The overall incidence rate of bleeding-related hospitalisations was 4.1 (95% CI 3.7-4.6) per 100 person-years in veterans who were not receiving potentially interacting medicines. Bleeding-related hospitalisation rates were significantly increased when warfarin was co-prescribed with low-dose aspirin (Adjusted rate ratio (AdjRR) 1.44, 95% CI 1.00-2.07), clopidogrel (AdjRR 2.23, 95% CI 1.48–3.36), clopidogrel with aspirin (AdjRR 3.44, 95% CI 1.28-9.23), amiodarone (AdjRR 3.33, 95% CI 1.38–8.00) and antibiotics (AdjRR 2.34, 95% CI 1.55-3.54). CONCLUSIONS: Models assessing bleeding risk with warfarin should take account of the range of potentially harmful medicine combinations used in elderly people with comorbid conditions.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».