A Description of QT-Interval Prolonging Drug Interactions with Fluoroquinolones in Older Women with Uncomplicated Urinary Tract Infections
Notice bibliographique
Résumé
Background: Fluoroquinolone (FQ) antibiotics are associated with QT-interval prolongation and Torsades de Pointes (TdP). Female sex, older age, and other QT-interval prolonging medications further increase risk for TdP. Our aim was to describe QT-interval prolonging drug interactions when FQs were dispensed to women who resided in long-term care (LTC) for uncomplicated urinary tract infections (UTIs). Methods: This retrospective cohort study used administrative health data from the Nova Scotia Seniors' Pharmacare program from January 2005 through March 2020. The cohort included women residing in LTC dispensed a FQ antibiotic within five days of a diagnostic code for an uncomplicated UTI in physician billing data. Additional drug dispensations were collected 30 and 90 days after the FQ to identify drug interactions that resulted in potentially increased QT-interval prolongation risk. Drug interactions were described. A Mann-Kendall trend test assessed the change in the frequency of FQ-drug interactions over the study period. Results: =.00007). Within 30 days of the FQ dispensation, the most common drug interactions identified were: furosemide (n=702, 20.3% of FQ-drug interactions), citalopram (n=566, 16.4% of FQ-drug interactions), and trazodone (n=461, 13.3% of FQ-drug interactions). Conclusions: An increasing proportion of women dispensed a FQ for uncomplicated UTI experienced a potential QT-interval prolonging drug interaction over the study period. When prescribing FQs to older women, addressing potentially modifiable risk factors for TdP, and monitoring closely, is warranted.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| 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) | 0,000 | 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 ».