Loop diuretics and angiotensin converting enzyme inhibitors increased risk of hospital admission for lithium toxicity
Notice bibliographique
Résumé
Juurlink DN, Mamdani MM, Kopp A, et al . Drug-induced lithium toxicity in the elderly: a population-based study. J Am Geriatr Soc 2004;52:794–8. [OpenUrl][1][CrossRef][2][PubMed][3][Web of Science][4] Q In older persons, is use of diuretics, angiotensin converting enzyme (ACE) inhibitors, or non-steroidal anti-inflammatory drugs (NSAIDs) associated with hospital admission for lithium toxicity? Clinical impact ratings GP/FP/Primary care ★★★★★☆☆ IM/Ambulatory care ★★★★☆☆☆ Emergency Medicine ★★★★★☆☆ Neurology ★★★★★☆☆ Geriatrics ★★★★★☆☆ ### ![Graphic][5]</img>Design: population based, nested, case control study with analysis of multiple linked healthcare databases over 10 years. ### ![Graphic][6]</img>Setting: Ontario, Canada. ### ![Graphic][7]</img>Patients: 10 615 patients ⩾66 years of age (mean age 72 y, 62% women) who were receiving uninterrupted lithium treatment and resided in Ontario, Canada. ### ![Graphic][8]</img>Assessment of risk factors: use of diuretic (alone or in combination with another agent), ACE inhibitor, or prescription NSAID (including cyclooxygenase 2 inhibitors). Thiazide type and loop diuretics were examined separately. ### ![Graphic][9]</img>Outcome: hospital admission with diagnosis of lithium toxicity within 28 days … [1]: {openurl}?query=rft.jtitle%253DJournal%2Bof%2Bthe%2BAmerican%2BGeriatrics%2BSociety%26rft.stitle%253DJ%2BAm%2BGeriatr%2BSoc%26rft.aulast%253DJuurlink%26rft.auinit1%253DD.%2BN.%26rft.volume%253D52%26rft.issue%253D5%26rft.spage%253D794%26rft.epage%253D798%26rft.atitle%253DDrug-induced%2Blithium%2Btoxicity%2Bin%2Bthe%2Belderly%253A%2Ba%2Bpopulation-based%2Bstudy.%26rft_id%253Dinfo%253Adoi%252F10.1111%252Fj.1532-5415.2004.52221.x%26rft_id%253Dinfo%253Apmid%252F15086664%26rft.genre%253Darticle%26rft_val_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Ajournal%26ctx_ver%253DZ39.88-2004%26url_ver%253DZ39.88-2004%26url_ctx_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Actx [2]: /lookup/external-ref?access_num=10.1111/j.1532-5415.2004.52221.x&link_type=DOI [3]: /lookup/external-ref?access_num=15086664&link_type=MED&atom=%2Febmed%2F10%2F1%2F28.atom [4]: /lookup/external-ref?access_num=000220855300022&link_type=ISI [5]: /embed/inline-graphic-1.gif [6]: /embed/inline-graphic-2.gif [7]: /embed/inline-graphic-3.gif [8]: /embed/inline-graphic-4.gif [9]: /embed/inline-graphic-5.gif
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».