Sedative Co-Medication Patterns Across Frailty States in People with HIV: A Network-Based Study
Notice bibliographique
Résumé
Objective To describe sedative co-medication patterns across frailty states (robust, prefrail, frail) in people living with HIV using network-based analysis, aiming to identify key medication interactions and network drivers that can guide safer therapeutic approaches. Methods This cross-sectional study analyzed 321 participants using sedatives from the Positive Brain Health Now Cohort (mean age: 53 years), categorized as robust (30.2%), prefrail (47.0%), or frail (22.7%). Sedative use was classified using the Sedative Load Model, and frailty was assessed with a modified Fried Frailty Phenotype. Co-medication networks were constructed for robust, prefrail, and frail groups, with metrics such as Neighborhood Shift Scores (NESH) and Delta Betweenness used to evaluate network dynamics. Edge-level Observed-to-Expected (O/E) ratios highlighted significant co-prescription patterns and associated drug-drug interactions. Results Frail individuals exhibited the most interconnected network, characterized by higher graph density and average degree compared to robust and prefrail groups. Key ”driver” medications identified were mirtazapine (robust-to-prefrail), gabapentin (robust-to-frail), and pregabalin (prefrail-to-frail). In frail individuals, medication pairs with high O/E ratios (e.g., hydromorphone-clonazepam, O/E: 3.07), posed a potential risk for severe drug interactions requiring therapy modification. Robust individuals displayed fewer and less severe drug interactions, whereas prefrail individuals exhibited an intermediate level of complexity. Conclusion Sedative co-medication patterns vary significantly across frailty states in people with HIV, with frailty amplifying risks of severe drug interactions. Identifying key medications as network drivers provides actionable insights to optimize therapeutic approaches, particularly for depression and neuropathic pain management in prefrail and frail stages.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 ».