Description and Consequences of Prescribing Off-Label Antiretrovirals in the Madrid Cohort of HIV-Infected Children over a Quarter of a Century (1988–2012)
Notice bibliographique
Résumé
BACKGROUND: Licensing data for paediatric dosing is often sparse and subsequent studies may result in changes to recommended doses. We measured the extent and consequences of off-label antiretroviral (ARV) use in an HIV-infected paediatric cohort. METHODS: In this multicentre cohort study involving 318 HIV-infected children and adolescents from the Madrid Cohort, all off-label prescriptions from March 1988 to March 2012 were recorded from the clinical records. The reasons for prescribing ARV off-label, the side effects and the consequences of incorrect dosing of ARVs are discussed. RESULTS: Among the 318 patients of the cohort, 221 (69%) received off-label ARVs according to EMA licensing at the time of prescription, representing 23% (540) of the 2,353 prescribed ARVs. The main reason for starting an off-label drug was treatment failure. Adverse events led to treatment discontinuation in 12% of the prescriptions. Problems taking the drug led to withdrawal in 5%, more likely when formulation was not suitable for age (P<0.05). Up to 10% were overdosed and 10% underdosed, defined as 25% above or below the current recommended dose, respectively. Treatment failure occurred significantly more frequently among underdosed compared to overdosed patients (50% versus 26%; P<0.05). CONCLUSIONS: Off-label use of ARVs was common in our HIV-1 paediatric patients. Adverse events were common but rarely led to withdrawal. Suitable formulation is important in younger children. Pharmacokinetic studies are needed as frequent incorrect dosing may occur when prescribing off-label and underdosing may lead to treatment failure.
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 | 0,001 | 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 ».