Prevalence and Predictors of Potential Drug-Drug Interactions in the Elderly: A Cross-Sectional Study in the Brazilian Primary Public Health System
Notice bibliographique
Résumé
PURPOSE: The primary objective of this study was to investigate the prevalence of clinically important potential drug-drug interactions (DDIs) in elderly patients attending the public primary health care system in Brazil. The secondary objective was to investigate possible predictors of potential DDIs. METHODS: A cross-sectional study was carried out in 5 Brazilian cities located in the Ourinhos Micro-region, Sao Paulo State, between November 2010 and April 2011. The selected sample was divided according to the presence (exposed) or absence (unexposed) of one or more potential DDIs (defined as the presence of a minimum 5-day overlap in supply of an interacting drug pair). Data were collected from medical prescriptions and patients' medical records. Potential DDIs (rated major or moderate) were identified using 4 DDI-checker programs. Logistic regression analysis was used to study potential DDI predictors. RESULTS: The prevalence of clinically important potential DDIs found during the study period was 47.4%. Female sex (OR = 2.49 [95% CI 2.29-2.75]), diagnosis of ≥ 3 diseases (OR = 6.43 [95% CI 3.25-12.44]), and diagnosis of hypertension (OR = 1.68 [95% CI 1.23-2.41]) were associated with potential DDIs. The adjusted OR increased from 0.90 [95% CI 0.82-1.03] in patients aged 60 - 64 years to 4.03 [95% CI 3.79 - 4.28] in those aged 75 years or older. Drug therapy regimens involving ≥ 2 prescribers (OR = 1.39 [95% CI 1.17-1.67]), ≥ 3 drugs (OR = 3.21 [95% CI 2.78-3.59]), ≥ 2 ATC codes (OR = 1.19 [95% CI 1.12-1.29]), ≥ 2 drugs acting on cytochrome P450 (OR = 2.24 [95% CI 2.07-2.46]), and ATC codes B (OR = 1.89 [95% CI 1.05-2.08]) and C (OR = 4.01 [95% CI 3.55-4.57]) were associated with potential DDIs. CONCLUSION: Special care should be taken with the prescription and therapeutic follow-up of patients who present characteristics identified as predictors. Knowledge of potential DDI predictors could aid in developing preventive practices and policies that allow public health services to better manage this situation.
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 | 0,013 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».