Investigating Potential Drug-Drug Interactions from Greek e-Prescription Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The prevalence of potential drug-drug interactions (pDDIs) is indicative of the prevalence of actual drug-drug interactions and prescription quality. However, they are significantly understudied in Greece. OBJECTIVE: The objective of the study was to determine the prevalence of pDDIs among outpatients and identify factors associated with their occurrence. METHODS: Anonymous e-prescription data between 2012 and 2017 were obtained from community pharmacies in Thessaloniki, Greece. Patients taking more than one medication for at least three months were included. pDDIs were identified and categorized depending on their clinical significance using Drug Interactions Checker. Crude and adjusted odds ratios (ORs) with accompanying 95% confidence intervals (CIs) of risk factors of pDDIs occurrence were identified using multivariable logistic regression. RESULTS: During the study period, 6,000 anonymous e-prescriptions (1,000 per year) satisfying the inclusion criteria were collected. The overall prevalence of major pDDIs was 17.4% (63.0% for moderate pDDIs). The most common major pDDIs were between amlodipine and simvastatin (22.8% of major interactions), followed by clopidogrel and omeprazole (6.4% of major interactions). Polypharmacy (≥5 concomitantly received medications) was associated with an increased risk of major pDDIs (adjusted OR, 5.72; 95% CI, 4.87-6.72); no associations were observed regarding age, sex, and number of prescribing physicians. CONCLUSION: The prevalence of pDDIs in this study was higher than previously reported in other European countries, with polypharmacy being a potential risk factor. Those results argue for a need for improvement in the area of prescribing in Greece.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle