Incidence, risk factors and risk prediction of hospital-acquired suspected adverse drug reactions: a prospective cohort of Ugandan inpatients
Notice bibliographique
Résumé
OBJECTIVES: To determine the incidence and risk factors of hospital-acquired suspected adverse drug reactions (ADRs) among Ugandan inpatients. We also constructed risk scores to predict and qualitatively assess for peculiarities between low-risk and high-risk ADR patients. METHODS: Prospective cohort of consented adults admitted on medical and gynaecological wards of the 1790-bed Mulago National Referral Hospital. Hospital-acquired suspected ADRs were dichotomised as possible (possible/probable/definite) or not and probable (probable/definite) or not, using the Naranjo scale. Risk scores were generated from coefficients of ADR risk-factor logistic regression models. RESULTS: The incidence of possible hospital-acquired suspected ADRs was 25% (194/762, 95% CI: 22% to 29%): 44% (85/194) experienced serious possible ADRs. The risk of probable ADRs was 11% (87/762, 95% CI 9% to 14%): 46% (40/87) had serious probable ADRs. Antibacterials-only (51/194), uterotonics-only (21/194), cardiovascular drugs-only (16/194), antimalarials-only (12/194) and analgesics-only (10/194) were the most frequently implicated. Treatment with six or more conventional medicines during hospitalisation (OR=2.31, 95% CI 1.29 to 4.15) and self-reported herbal medicine use during the 4 weeks preadmission (OR=1.96, 95% CI 1.22 to 3.13) were the risk factors for probable hospital-acquired ADRs. Risk factors for possible hospital-acquired ADRs were: treatment with six or more conventional medicines (OR=2.72, 95% CI 1.79 to 4.13), herbal medicine use during the 4 weeks preadmission (OR=1.68, 95% CI 1.16 to 2.43), prior 3 months hospitalisation (OR=1.57, 95% CI 1.09 to 2.26) and being on gynaecological ward (OR=2.16, 95% CI 1.36 to 3.44). More drug classes were implicated among high-risk ADR-patients, with cardiovascular drugs being the most frequently linked to possible ADRs. CONCLUSIONS: The risk of hospital-acquired suspected ADRs was higher with preadmission herbal medicine use and treatment with six or more conventional medicines during hospitalisation. Our risk scores should be validated in large-scale studies and tested in routine clinical care.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».