MétaCan
Menu
Retour à la cohorte
Enregistrement W2080452536 · doi:10.4321/s1886-36552013000400003

Drug-drug interactions and their predictors: results from Indian elderly inpatients

2013· article· en· W2080452536 sur OpenAlexaff
Mandavi Kashyap, Sanjay D ́Cruz, Atul Sachdev, Pramil Tiwari

Notice bibliographique

RevuePharmacy Practice · 2013
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionDrugOdds ratioDrug interactionConfidence intervalLogistic regressionClopidogrelPharmacyInternal medicineAntiplatelet drugPharmacologyAspirinFamily medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In view of the multiple co-morbidities, the elderly patients receiving drugs are prone to suffer with drug interactions since they receive a greater number of drugs. OBJECTIVE: The study was undertaken to determine the prevalence of drug interactions, as well as their predictors. METHODS: The prescriptions of a total of 1510 inpatients were collected prospectively for 1.5 years from inpatients wards of public tertiary care teaching hospital. All the prescriptions were checked for drug interactions using the Micromedex® Drug-Reax database-2010 and Stockley's Drug Interactions. Regression analyses sought to determine predictors for the drug interaction. RESULTS: The patients, with the average age of 67.2 ±0.2 years, were prescribed an average of 9.15 ±0.03 medications. It was found that out of 1510 prescriptions of inpatients, 126 (8.3%) prescriptions had one or more than one drug interaction. All the identified interactions were severe in nature. The top most interacting drugs were acetylsalicylic acid and anticoagulant (n=59). The second top most interacting drug combination was clopidogrel and proton pump inhibitors (n=51). The most commonly involved drugs in interactions were C (cardiovascular system) and A (alimentary tract and metabolism). Using multivariate binary logistic regression, multiple drugs (Odds Ratio=4.5; 95% Confidence Interval: - 2.38 -9.47) and multiple diagnoses (Odds Ratio=2.6; 95%CI: -1.40 -5.57) were found to be significant predictors for drug interaction. CONCLUSIONS: The results of this study substantiate the occurrence of severe drug interactions among Indian elderly inpatients. In order to provide safer pharmaceutical care, the active involvement of clinical pharmacists is a potential option.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,395
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmacy PracticeMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207