Concurrent use of P-glycoprotein or Cytochrome 3A4 drugs and non-vitamin K antagonist oral anticoagulants in non-valvular atrial fibrillation
Notice bibliographique
Résumé
AIM: To determine the concurrent use of P-glycoprotein (P-gp) or Cytochrome (CYP) 3A4 drugs and non-vitamin K antagonist oral anticoagulants (NOACs) among non-valvular AF (NVAF) patients in clinical practice. METHODS AND RESULTS: Administrative databases identified all adults (≥18 years) with incident or prevalent NVAF who initiated a NOAC in an outpatient or inpatient setting, between July 2012 and March 2019 in Alberta, Canada. Concurrent use was defined as a P-gp or CYP3A4 dispensation in the 100 days prior to and overlapping NOAC dispensation. The P-gp and CYP3A4 drugs were categorized into three groups and drug-drug interactions classified according to the 2018 European Heart Rhythm Association practical guide. Time-varying Cox models calculated the crude hazard ratio (HR) of outcomes at 1-year. A total of 642 255 NOAC dispensations occurred for 36 566 NVAF patients. Of these, 71 643 (11.2%) had a concurrent dispensation of an interacting P-gp or CYP3A4 drug. Overall, the drug-drug interaction was defined as contraindicated in 2.5%, avoid/caution in 2.3%, and for another 6.7% should require a dose adjustment. When all drug-drug interactions were considered, inappropriate NOAC prescribing occurred in 63% (n = 45 080) of dispensations. There was a significantly higher risk of death (HR 1.58, 1.47-1.70) for a drug-drug interaction but not for stroke (P = 0.89) or major bleeding risk (P = 0.13). CONCLUSIONS: The concurrent use of P-gp or CYP3A4 drugs and NOACs was uncommon but important since almost two-thirds of patients with drug-drug interactions had inappropriate NOAC dosing and a higher risk of death. More attention to this issue is needed.
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 | 0,002 | 0,002 |
| 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 | 0,000 |
| 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 ».