Predictive Analysis of Non-Cardiac Drug-Induced QTc Interval Prolongation: A Cross-Sectional Study
Notice bibliographique
Résumé
Purpose: This study aimed to assess the real-world impacts of non-cardiac drug-induced QTc interval prolongation and identify associated risk factors in acute care settings. Patients and Methods: A cross-sectional study reviewed medical charts of 7,778 patients admitted to tertiary teaching hospitals from January 2016 to December 2022. Patients on CredibleMeds-listed QTc-prolonging non-cardiac drugs were identified, excluding those with congenital long QTc syndrome or on QTc-prolonging cardiac medications. Data collection involved reviewing medication charts and recording demographic and clinical data, including comorbidities and laboratory values. A logistic regression analysis was performed to address confounders, and known risk factors, calculating Odds Ratios (OR) and 95% confidence intervals (CI). Statistical analysis used SPSS Version 21.0, with p < 0.05 indicating significance. Results: Out of 7,778 screened patients, 151 met the inclusion criteria. Among these, 75.5% demonstrated prolonged QTc values. The study identified 42 distinct medications associated with QT interval prolongation, categorized into six therapeutic groups. Proton pump inhibitors (PPIs) were the most common cause of non-cardiac drug-induced QTc interval prolongation, with esomeprazole representing 46.5% of the cases. Antimicrobial medications followed, with azithromycin at 9.6% and piperacillin-tazobactam at 6.1%. The multivariate analysis revealed that heart failure was significantly associated with QTc prolongation odd ratio (OR) 4.98 with 95% confidence interval CI [1.58 to 17.35], while other factors such as age, BMI, and certain comorbidities did not show a statistically significant impact. Conclusion: The findings highlight the significant risk associated with the in-hospital administration of QTc-prolonging non-cardiac medications, particularly among patients with heart failure. Future research should aim to include a larger patient population and employ comprehensive data collection methods across multiple centers to enhance the robustness and generalizability of the findings.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».