Evaluation of Sources of Drug Interaction Information for Nirmatrelvir/ritonavir
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
The Japanese package insert (J-PI) for nirmatrelvir/ritonavir (N/r) (specially approved pharmaceutical) includes numerous warnings about drug interactions. However, discrepancies in the information on drug interaction are reported between J-PI and foreign databases. This study aimed to evaluate various information sources on N/r drug interactions. We categorized and compared information on N/r drug interactions from the J-PI, prescribing information from foreign regulatory agencies, guidance from the National Institutes of Health and University Health Network, the Ontario coronavirus disease 2019 (COVID-19) Science Advisory Table, University of Liverpool, Lexicomp, and the Japanese Society of Pharmaceutical Health Care and Sciences (JSPHCS). We assessed information quantity, missing data in J-PI, predicted change of the area under the blood concentration-time curve (AUC) for nirmatrelvir or co-administered drugs, and the information source consistency. From these information sources, we compiled a dataset with 115 contraindications and 203 precautions for N/r co-administration, and 51 contraindications are missing in J-PI. Among them, at least 12 drugs have large predicted AUC changes with N/r (AUC ≥5-fold or <1/5 of the baseline value). Nine of these 12 drugs are included as contraindications in Lexicomp and the JSPHCS. The consistency among the information sources is low. Information in the J-PI alone may be insufficient and Lexicomp or the JSPHCS guidelines should be useful because of their large amounts of information and wide coverage of drugs with large AUC changes. Due to low source consistency, multiple sources are needed for clinical management.
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 | 0,004 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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