MétaCan
Menu
Retour à la cohorte
Enregistrement W2773476353 · doi:10.1111/hiv.12570

Management of drug interactions with direct‐acting antivirals in Dutch <scp>HIV</scp>/hepatitis C virus‐coinfected patients: adequate but not perfect

2017· article· en· W2773476353 sur OpenAlexaff
EJ Smolders, Colette Smit, CTMM de Kanter, Asm Dofferhoff, J. Arends, Kees Brinkman, Bart Rijnders, Marc van der Valk, Peter Reiss, DM Burger

Notice bibliographique

RevueHIV Medicine · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatitis C virus research
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesStichting HIV MonitoringMinisterie van Volksgezondheid, Welzijn en Sport
Mots-clésMedicineCartRegimenInternal medicineCoinfectionChronic hepatitisCohortHepatitis C virusHepatitis CHuman immunodeficiency virus (HIV)Cohort studyObservational studyDrugVirusPharmacologyVirology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Direct-acting antivirals (DAAs) for treatment of chronic hepatitis C virus (HCV) infection can cause drug-drug interactions (DDIs) with combination antiretroviral therapy (cART) and non-cART co-medication. We mapped how physicians manage DDIs between DAAs and co-medication and analysed treatment outcomes. METHODS: Data were prospectively collected as part of the ATHENA HIV observational cohort and retrospectively analysed. Dutch patients with HIV/HCV coinfection who initiated treatment with DAAs between January 2015 and May 2016 were included. Co-medication 3 months prior to and during DAA therapy was identified. Potential DDIs with the DAAs were checked using http://hep-druginteractions.org. DDIs were categorized as: (1) no interaction expected; (2) potential interaction; (3) contra-indication; (4) no recommendation. These categories were used to determine which patients switched or had a DDI during DAA therapy with co-medication. RESULTS: A total of 423 patients were treated with DAAs, of whom 418 (99%) used cART and 251 (59%) used non-cART co-medication. Before commencing DAA treatment, in 17 of 84 (20%) patients the non-cART co-medication which could result in a category 2/3 DDI was discontinued before DAA initiation, including two of six (33%) prescriptions of category 3 drugs. A total of 196 of 418 (47%) patients had a category 2/3 DDI between their DAA regimen and cART. Category 2/3 DDIs were prevented by switching cART in 78 of 147 (53%) and 47 of 49 (98%) patients. Overall, 367 of 423 (87%) patients have achieved a sustained virological response (33 in follow-up). CONCLUSIONS: Prescription patterns suggest that physicians are aware of potential DDIs between co-medication and DAAs, in particular potential DDIs with cART. Greater awareness is needed concerning category 3 interactions between non-cART co-medication and DAAs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,121
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,324
Écart entre enseignants0,294 · 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 tête enseignante, pas un consensus.

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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHIV MedicineMême sujetHepatitis C virus researchTravaux en français237 207