Drug interactions in ambulatory cancer patients receiving cancer-directed therapy
Notice bibliographique
Résumé
6129 Background: Cancer patients (pts) are susceptible to drug interactions (DI) because they receive multiple medications. Here we evaluate the epidemiology of potential DI in cancer patients. Methods: Ambulatory, adult pts with solid malignancies who were receiving antineoplastic treatment completed a questionnaire about drugs taken in the previous month. Drug Interactions Facts software was used to screen for potential DI and to classify them in terms of severity (major, moderate and minor, where major is a life-threatening interaction) and level of scientific evidence (1 to 5, with 1 being the highest level). Summary statistics and logistic regression were used to describe the results. Results: Between Sept -Dec 2005, 183 pts completed the questionnaire: median age was 61 (range 26–88), and 114 (62%) were women. Cancer sites included breast 63 (35%), gastrointestinal 45 (25%), and genitourinary 36 (20%). Treatment intent was palliative in 139 (60%). Most pts (76%) were receiving chemotherapy; 111 (66%) had at least one co-morbid condition, and 72 (47%) had abnormal liver and/or renal function. The median number of drugs per pt was 5 (range 0–16). Among the 183 pts, 131 potential DI were identified of which 65 (50%) were due to pharmacokinetic interactions. Sixteen (12%) of all potential DI were major, 94 (72%) were moderate, and 21 (16%) were minor. Fourteen (11%), 54 (41%), 5 (4%), 42 (32%), and 16 (12%) were supported by levels 1,2,3,4,5 of evidence respectively. Most potential DI involved non-chemotherapy agents such as warfarin, antihypertensives, and anti-inflammatory drugs. In multivariate analyses, number of comorbidities (p= .0001), number of drugs (p= .005), and cancer type (p= .03) were significant risk factors for DI. Conclusion: PotentialDI are common in oncology, and usually involve non-chemotherapeutic drugs. Risk factors for potential DI include comorbid illness, number of medications and type of cancer. Oncologists should be aware of such an important issue. No significant financial relationships to disclose.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».