Medication-related hospitalisations in patients with SLE
Notice bibliographique
Résumé
OBJECTIVES: Patients with SLE take multiple medications. Within a large prospective longitudinal SLE cohort, we characterised medication-related hospitalisations and their preventability. METHODS: We identified consecutive admissions to our tertiary hospitals between 2015 and 2020. Two independent adjudicators evaluated if medication-related events contributed to the hospitalisation, considering (1) adverse drug events (ADEs) and (2) events from medication non-adherence, using the Leape and Bates method. We classified ADEs as potentially preventable/ameliorable if we identified modifiable factors. Logistic regressions with generalised estimating equations evaluated associations between participant characteristics and medication-related hospitalisations, accounting for repeat hospitalisations within the same participant. RESULTS: We studied 68 hospitalisations among 45 participants (91% female). At first hospitalisation, the median age was 38 years (IQR 26.5-53.0) and median SLE duration was 12 years (IQR 5.5-19.5). One or more ADEs contributed to 20 (29%) hospitalisations (11/23 (48%) ADEs being preventable/ameliorable), and SLE flares associated with medication non-adherence contributed to 7 (10%) hospitalisations. Adjusting for age and sex, current prednisone use (adjusted OR (aOR) 3.7, 95% CI 1.1 to 13.0) or ≥1 current immunosuppressant (aOR 11.5, 95% CI 2.7 to 50.0), renal involvement at SLE diagnosis (aOR 6.5, 95% CI 2.7 to 15.7) and polypharmacy (≥5 medications; aOR 11.3, 95% CI 1.2 to 103.8) were associated with having an ADE-related (vs non-ADE) hospitalisation. Age at SLE diagnosis<18 years (OR 5.9, 95% CI 1.3 to 26.6) was associated with hospitalisation for a flare related to non-adherence. CONCLUSION: Forty per cent of SLE hospitalisations were medication-related, while half were potentially preventable/ameliorable. Renal involvement, polypharmacy, prednisone and immunosuppressant use were associated with hospitalisation related to an ADE, highlighting a vulnerable group.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».