Pattern of antimalaria treatment and risk factors for torsades de pointes in admitted heart failure patients in Lagos-Nigeria
Notice bibliographique
Résumé
Background: In a malaria-holoendemic region, concurrent malaria complicating heart failure (HF) occurs; with higher morbidity and increased adverse drug-drug interactions. Aim: To characterise malaria treatment and risk factors of cardio-toxicity among HF patients. Objectives: To characterise the use of anti-malaria agents (AMA), compare risk factors of torsades de pointes (TdP) amongst AMA-users and non-users, and to assess length of hospital stay. Methods: Admitted HF patients were retrospectively studied, and grouped on the basis of malaria treatment. TdP risk factors- advanced age, bradycardia, hypokalemia, and QTc prolongation were compared in the two groups. Results: The 160 HF patients (mean ejection fraction 39.6% ± 12.6%, mean age 54.9 ± 14.6 years) included 82 males (51.3%), with predominant non-ischemic HF. Malaria treatment occurred in 32.5% (52), though diagnosis was presumptive in 48 (92.3%). All (100%) malaria prescriptions were artemisinin-based, but monotherapeutic in 6 (11.4%). Partner-drugs included sulphadoxine-pyrimethamine (SP) 26 (50%), and lumefantrine 7 (13.5%). TdP risk-factors of age 65 years, prolonged QTc, hypokalemia, and bradycardia occurred in 43 (26.9%), 63 (39.4%), 48 (30%), and 8 (5.0%) respectively. Group 1 (AMA treated) and group 2 patients were comparable on all mean values of risk factors. Nevertheless, affected proportions were significantly different for hypokalemia (X2 = 6.1), QTc prolongation (48.1% versus 35.2%, p < .05), and older age (38.5% versus, 21.3%, p < .05%). Conclusion: Though all HF patients similarly demonstrated risks of TdP, univariate analysis indicates a significantly higher proportion in malaria-treated patients; supporting further therapeutic caution in this patient subset.
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 | 0,001 |
| 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 ».