MétaCan
Menu
Retour à la cohorte
Enregistrement W2121459873 · doi:10.3747/co.21.1657

Potential Drug Interactions in Patients with a History of Cancer

2014· article· en· W2121459873 sur OpenAlexaffvenue
L. Chen, Winson Y. Cheung

Notice bibliographique

RevueCurrent Oncology · 2014
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensBC Cancer AgencyUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioConfidence intervalLogistic regressionPolypharmacyMedical prescriptionInternal medicineDrugCancerPharmacology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cancer survivors (css) are frequently exposed to polypharmacy, which might increase their risk of drug interactions. Our study aimed to determine the relative prevalence of potential drug interactions (pdis) among css compared with non-cancer respondents (ncrs). METHODS: Self-reported prescription data from 4975 patients were extracted from the U.S. National Health and Nutrition Examination Survey and screened for pdis using iFacts: Drug Interaction Facts (Facts and Comparisons, St. Louis, MO, U.S.A.). The clinical significance of each pdi was graded on a 5-point scale based on the severity of the interaction and the level of evidence documenting the interaction. Summary statistics and logistic regression models were used to assess the impact of cancer history on the risk of pdis. RESULTS: Of patients eligible for the analyses, the css (n = 302) indicated using 4.4 ± 0.22 prescriptions on average, and the ncrs (n = 908), 3.8 ± 0.09. Nearly half of both cohorts (40% of css, 43% of ncrs) had at least 1 pdi. In both cohorts, 12% were at risk for fatal or permanently debilitating effects. In multivariate analyses, css were significantly less likely than ncrs to be at risk for any pdis (odds ratio: 0.65; 95% confidence interval: 0.46 to 0.92; p = 0.02). Advanced age and low household income were associated with pdis among css. Medications most commonly prescribed to css with a pdi included metoprolol (15.6%), levothyroxine (13.6%), and furosemide (11.9%). CONCLUSIONS: Although css appear to be less susceptible than ncrs to pdis, the prevalence of pdis among css remains suboptimal. Specific subgroups of css may be particularly prone to pdis, underscoring the importance of increased vigilance.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,167
Tête enseignante GPT0,475
Écart entre enseignants0,308 · 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

Citations19
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207