Potential Drug Interactions in Terminally-Ill Cancer Patients, a Report from the Middle East
Notice bibliographique
Résumé
This study aims to evaluate the epidemiology of potential drug interactions in terminally-ill cancer patients receiving exclusively supportive care. In this cross-sectional study, during a 6-month follow-up, we considered the medical record of terminally-ill cancer patients referred to palliative care at the cancer center in Isfahan, Iran. Potential drug-drug interactions (DDIs) were assessed by Lexi-Interact ver.1.1 online software. During the study period, 133 terminally-ill cancer patients were recruited. We detected 1678 DDIs with moderate or major severity levels. Among them, 330, 219, 32, 1075, and 51 interactions were categorized in B, C, D, and X drug interactions categories, respectively. One hundred and twenty-two patients (91.73%) encountered at least one potential drug-drug interaction during the end of life care. Mechanistically, most drug-drug interactions (64.5%) were pharmacodynamics. The most frequent pharmacological class of drugs responsible for DDIs were quetiapine (91 cases), oxycodone (87 cases), and sertraline (55 cases). Interaction between oxycodone and sertraline was found to be in the top 10 detected DDIs (13.7%). Our results showed that potentially moderate or major drug-drug interactions often occur among terminally-ill cancer patients and the clinical significance of DDIs should be considered meticulously in the palliative care cancer setting.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».