Association of Age With Polypharmacy and Risk of Drug Interactions With Antiretroviral Medications in HIV-Positive Patients
Notice bibliographique
Résumé
BACKGROUND: Interactions between antiretroviral (ARV) therapy and medications to treat age-related comorbidities are a growing concern in the aging HIV population. OBJECTIVE: To investigate the association of age with potential drug-drug interactions (PDDIs) involving ARVs. METHODS: We studied ARV-treated patients attending a tertiary care center. PDDIs were classified as "red flag" (contraindicated) or "orange flag" (use with caution or dose adjustment). Logistic regression was used to determine the association of age with the occurrence of ≥1 PDDI. RESULTS: Of 914 patients (78% male, median age 49 years), older patients (age ≥50 years) were on more drugs than younger patients (total 9 vs 7; P < .0001) and were more likely to be on ritonavir-boosted protease inhibitors (PIs), integrase inhibitors, and non-ARV medications. Older patients were more likely to have ≥1 orange flag PDDI (71% vs 55%, P < .0001) and to have a red flag PDDI (5% vs 2%, P = .07), although the latter did not reach statistical significance. A 10-year increase in age was associated with an increased likelihood of ≥1 PDDI (odds ratio [OR] = 1.72; P < .0001) after adjusting for gender, race and number and class of ARVs. The effect of age was diminished after adjusting further for the number of non-ARV medications (OR = 1.28; P = .02) and use of cardiovascular drugs (OR = 1.16; P = .21). CONCLUSIONS: In our clinic population, older patients were more likely to have a PDDI because of the greater number of non-ARV medications, particularly cardiovascular agents.
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 | 0,000 | 0,000 |
| 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 ».