CLINICALLY SIGNIFICANT DRUG-DRUG INTERACTION IN A LARGE ANTIRETROVIRAL TREATMENT CENTRE IN LAGOS, NIGERIA
Notice bibliographique
Résumé
Background: An important cause of treatment failure to antiretroviral therapy (ART) is the potential interaction between the antiretroviral (ARV) drugs and co-prescribed drugs used concomitantly for the treatment of opportunistic infections and co-morbid ailments in HIV-infected patients. Objectives: The study evaluated potential clinically significant drug interactions (CSDIs) occurring between recommended ART regimens and their co-prescribed non-antiretroviral drugs (CPD) Method: This study was carried out in a large HIV treatment centre (APIN clinic) in a Nigerian teaching hospital, in Lagos Nigeria, caring for over 20,000 registered patients. Electronic Medical Records (EMR) of 500 patients who received treatment between 2005 and 2015, were selected using systematic random sampling, reviewed retrospectively, and evaluated for potential CSDIs using Liverpool HIV Pharmacology Database and other similar databases. Results: Majority of patients, 421 (84%) were at risk of CSDIs, of which 410, (82%) were moderate and frequently involved co-trimoxazole + zidovudine (or stavudine) /lamivudine (386, 77.2%) and NNRTIs or PIs + artemisinin-based combination therapies (ACTs) [296, 59.2%]. Age (p=0.131), sex (p=0.316) and baseline CD4+ cell counts (p>0.05) were not significantly associated with CSDIs. The interactions, however, were significantly associated with the development of antiretroviral treatment failure (p <0.001) which occurred in nearly a third (139; 27.8%) of the patients. Conclusion: There is a high prevalence of CSDIs between ART and CPDs most of which were categorized as moderate. Further studies are required to evaluate the pharmacokinetic and clinical relevance of these interactions.
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) | 0,001 | 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 ».