MétaCan
Menu
Retour à la cohorte
Enregistrement W2943573025 · doi:10.11575/prism/36418

Incidence and Risk Factors for Hyponatremia in Patients Newly Prescribed Citalopram

2019· dissertation· en· W2943573025 sur OpenAlexfundaboutno aff
Andrea Christine Shysh

Notice bibliographique

RevueOpen MIND · 2019
Typedissertation
Langueen
DomaineMedicine
ThématiqueElectrolyte and hormonal disorders
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCitalopramHyponatremiaIncidence (geometry)MedicinePediatricsIntensive care medicineInternal medicinePsychiatryAntidepressantAnxietyMathematics

Résumé

récupéré en direct d'OpenAlex

Hyponatremia is a common and under-recognized adverse drug reaction of citalopram. This study aims to determine the incidence of hyponatremia and to identify risk factors in a large, population-based cohort initiating new prescriptions for citalopram. Following approval from the ethics review board, data were obtained from Alberta Information Network databases to identify patients with new citalopram prescriptions from 2010-2017, inclusive. Hyponatremia was defined as serum sodium level <135 mmol/L. Associations were determined by performing Cox regression with time-varying covariate analysis, with the development of hyponatremia as the dependent variable. This is the first large-scale, population-based study to explore risk factors, based solely on laboratory serum data, for the development of hyponatremia in patients initiating citalopram therapy. We report a 16.7% incidence of hyponatremia after starting citalopram treatment and significant risk factors include lower baseline sodium, concurrent thiazide diuretic use, older age, and male sex.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,380
Score d'incertitude au seuil0,802

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,302
Écart entre enseignants0,284 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetElectrolyte and hormonal disordersTravaux en français237 207