Prevalence and Clinical Significance of Potential Drug–Drug Interactions in Hospitalized Pediatric Oncology Patients: A Prospective Pharmacoepidemiologic Study
Notice bibliographique
Résumé
BACKGROUND: Drug-drug interactions (DDIs) are frequent and potentially harmful in pediatric cancer patients due to polypharmacy and complex chemotherapy regimens. However, data on DDIs in hospitalized pediatric oncology patients remain limited, particularly in Middle Eastern settings. METHODS: In this prospective study, we analyzed prescriptions for hospitalized pediatric oncology patients in Iran to assess the prevalence, severity, and nature of potential DDIs (PDDIs). Chemotherapy and supportive medications were analyzed using two validated databases (Lexi-Interact™ and Drugs.com™) between November 2019 and June 2020. RESULTS: Of 80 patients (median age 8.9 years), 21.2% had at least one documented PDDI. We identified 197 total PDDIs involving 42 unique drug pairs. The most common DDIs included acetaminophen and granisetron (severity rating: moderate). Methotrexate and vincristine were the most frequent antineoplastic DDI pair. Methotrexate alone accounted for 156 interactions. CONCLUSIONS: This is the first prospective study from Iran-and the largest in the region-investigating PDDIs in pediatric oncology. The dual-database screening approach improved PDDI detection. Clinical teams should routinely evaluate medication profiles in pediatric cancer patients to minimize avoidable harms from DDIs.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».