Adverse drug event risk assessment by the virtual addition of COVID‐19 repurposed drugs to Medicare and commercially insured patients’ drug regimens: A drug safety simulation study
Notice bibliographique
Résumé
Drug safety is generally established from clinical trials, by pharmacovigilance programs and during observational phase IV safety studies according to drug intended or approved indications. The objective of this study was to estimate the risk of potential adverse drug events (ADEs) associated with drugs repurposed for coronavirus disease 2019 (COVID-19) treatment in a large-scale population. Drug claims were used to calculate a baseline medication risk score (MRS) indicative of ADE risk level. Fictitious claims of repurposed drugs were added, one at a time, to patients' drug regimens to calculate a new MRS and compute a level of risk. Drug claims data from enrollees with Regence health insurance were used and sub-payer analyses were performed with Medicare and commercial insured groups. Simulated interventions were conducted with hydroxychloroquine and chloroquine, alone or combined with azithromycin, and lopinavir/ritonavir, along with terfenadine and fexofenadine as positive and negative controls for drug-induced Long QT Syndrome (LQTS). There were 527,471 subjects (56.6% women; mean [SD] age, 47 years [21]) were studied. The simulated addition of each repurposed drug caused an increased risk of ADEs (median MRS increased by two-to-seven points, p < 0.001). The increase in ADE risk was mainly driven by an increase in CYP450 drug interaction risk score and by drug-induced LQTS risk score. The Medicare group presented a greater risk overall compared to the commercial group. All repurposed drugs were associated with an increased risk of ADEs. Our simulation strategy could be used as a blueprint to preemptively assess safety associated with future repurposed or new 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».