Minimization of drug interactions in polypharmacy treatments of diabetes mellitus type 2 with cardiovascular comorbidities by using the decision support tool PM-TOM
Notice bibliographique
Résumé
Combined polypharmacy treatments of multi-diseases like diabetes mellitus type 2 (DMT2) with its comorbidities could lead to serious adverse reactions (ADR) due to drug-drug interactions (DDIs). This study aimed to demonstrate that these DDI ADRs can be significantly reduced by carefully examining DDIs of recommended drugs and using advanced clinical decision support (CDS) tools, like PM-TOM (Personal Medicine: Therapy Optimization Method). DMT2 with heart failure (HF) and atherosclerotic cardiovascular disease (ASCVD) were taken for analysis. First, 20 drug classes were selected, recommended in relevant medical guidelines (US, European and Canadian); for example, biguanides, sodium-glucose transporter 2 inhibitors, glucagon-like peptide-1 receptor agonists, insulins, angiotensin 2 receptor blockers, angiotensin-converting enzyme inhibitors, beta-adrenergic blockers, diuretics, and statins. Next, these classes were combined into polypharmacy treatment cases, which were organized into three groups: Basic (combinations of three drug classes), Medial (five), and Advanced (eight). Then, the tool PM-TOM was used to find treatments with minimal and maximal drug interactions (MIN-DDI and MAX-DDI) for each case. Finally, these two treatments' minimal, average and maximal DDIs were calculated and statistically analyzed to examine the scope and effects of optimizing polypharmacy treatments in each case group. In the Basic group, 16 polypharmacy treatment cases were created; in the Medial 210 and the Advanced 736. The MIN-DDI and MAX-DDI treatments in each case group showed significant DDI differences; for example, in the Basic group, the average DDI count in the MIN-DDI treatments was 0.19 and in the MAX-DDI ones 1.75, while in the Medial and Advanced groups, these indicators were 1.66 and 7.66, and 5.76 and 20.52, respectively. Also, 87% of optimized treatments (MIN-DDI) in the Basic group showed no DDIs, 37% in the Medial, and 9% in the Advanced. In addition, 70% of cases in the Medial group had at most two DDIs, and 49% in the Advanced group at most five. These findings suggest that DDI ADRs in randomly selected (unoptimized) DMT2 polypharmacy treatments can be substantially reduced using specialized decision support tools, increasing patients' chances for successful treatment and decreasing health care costs. Similar findings can be expected for other multi-diseases as well.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».