Carbamazepine, phenytoin, and oral anticoagulants: Drug‐drug interaction and clinical events in a retrospective cohort
Notice bibliographique
Résumé
BACKGROUND: Carbamazepine and phenytoin are potent inducers of enzymes that metabolize oral anticoagulants. OBJECTIVES: To determine the clinical impact of drug-drug interactions between these anticonvulsants and oral anticoagulants, and whether they affect the treatment with direct oral anticoagulants (DOACs) or vitamin K antagonists (VKAs). MATERIAL AND METHODS: Data on patients cotreated with carbamazepine or phenytoin and an oral anticoagulant were retrospectively retrieved from medical records from 2011 to 2020. Outcomes were time in therapeutic range (TTR), DOAC levels, thromboembolic events, major bleeding, and all-cause mortality. RESULTS: = 42 [49%]), 53 (62%) were initially treated with VKAs and 32 (38%) with DOACs. TTR in VKA patients was 63%, which improved in year 2. Four of seven trough and five of 12 peak DOAC plasma levels were lower than expected. The incidence rate (95% confidence interval) per 100 person-years for thromboembolism was 3.6 (3.1-4.2) for VKA patients and 4.4 (3.5-5.6) for DOAC patients; for major bleeding 1.8 (1.5-2.1) and 1.5 (1.2-1.9), and for all-cause mortality 3.6 (3.1-4.2) and 1.5 (1.2-1.9), respectively. Incidence rates between VKAs and DOACs and between carbamazepine and phenytoin were similar. CONCLUSION: There was a high incidence of thromboembolism in patients cotreated with anticoagulants and carbamazepine or phenytoin. The incidence rates of thrombotic and bleeding events were similar between VKA and DOAC patients. DOAC levels were lower than expected in 47% of cases tested, without correlation with clinical outcomes.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».