Risk of Adverse Drug Events Following the Virtual Addition of COVID-19 Repurposed Drugs to Drug Regimens of Frail Older Adults with Polypharmacy
Notice bibliographique
Résumé
Determination of the risk–benefit ratio associated with the use of novel coronavirus disease 2019 (COVID-19) repurposed drugs in older adults with polypharmacy is mandatory. Our objective was to develop and validate a strategy to assess risk for adverse drug events (ADE) associated with COVID-19 repurposed drugs using hydroxychloroquine (HCQ) and chloroquine (CQ), alone or in combination with azithromycin (AZ), and the combination lopinavir/ritonavir (LPV/r). These medications were virtually added, one at a time, to drug regimens of 12,383 participants of the Program of All-Inclusive Care for the Elderly. The MedWise Risk Score (MRSTM) was determined from 198,323 drug claims. Results demonstrated that the addition of each repurposed drug caused a rightward shift in the frequency distribution of MRSTM values (p < 0.05); the increase was due to an increase in the drug-induced Long QT Syndrome (LQTS) or CYP450 drug interaction burden risk scores. Increases in LQTS risk observed with HCQ + AZ and CQ + AZ were of the same magnitude as those estimated when terfenadine or terfenadine + AZ, used as positive controls for drug-induced LQTS, were added to drug regimens. The simulation-based strategy performed offers a way to assess risk of ADE for drugs to be used in people with underlying medical comorbidities and polypharmacy at risk of COVID-19 infection without exposing them to these drugs.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».