Drug-drug interactions in anticoagulant therapy: a focus on oncology patients
Notice bibliographique
Résumé
INTRODUCTION: Patients with cancer are frequently exposed to polypharmacy, carrying a high risk of drug-drug interactions (DDIs). Given their substantial risk for thrombosis and atrial fibrillation, anticoagulants are commonly prescribed in this population. Anticoagulants can be associated with relevant pharmacokinetic and pharmacodynamic DDIs, yet their clinical significance remains undetermined. AREAS COVERED: A literature search of preclinical and clinical studies was performed to identify DDIs between anticoagulation and anticancer treatment, with an emphasis on pharmacokinetic and pharmacodynamic mechanisms. This narrative review summarizes the general principles of DDIs involving anticoagulation in patients with cancer. A comprehensive review of DDIs between anticoagulants and different classes of anticancer therapies is provided, including recent outcome studies evaluating their impact on mortality, clinically relevant bleeding, and thrombosis. EXPERT OPINION: Based on available data, we propose a practical approach to DDI assessment and clinical interpretation to support decision-making in patients with cancer requiring anticoagulation. This includes systematic screening for DDIs, tailoring anticoagulants during both initial and long-term treatment (primarily in the context of venous thromboembolism), providing patient counseling based on available evidence, and involving the pharmacy team in complex cases.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,001 | 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 ».