Intentional use of ertapenem to reduce valproic acid concentrations in overdose: two case reports
Notice bibliographique
Résumé
Introduction Valproic acid (VPA) is used for the treatment of seizures and other conditions. Overdose present as central nervous system and respiratory depression, metabolic acidosis, and hyperammonemia. Management is mainly supportive, including activated charcoal, L-carnitine, and hemodialysis. Multiple reports have demonstrated reductions in therapeutic VPA concentrations with carbapenems.Case report 1 A 23-year-old male with bipolar disorder ingested 40 g of VPA. The initial VPA and ammonia concentrations were 300 µg/L and 192 µg/dL, respectively. The peak VPA and ammonia concentrations reached 894 µg/L and 740 µg/dL, respectively. He received multi-dose activated charcoal, L-carnitine, and ertapenem, followed by continuous renal replacement therapy (CRRT). His concentrations decreased rapidly, and he was extubated.Case report 2 A 33-year-old male ingested 10 g of VPA, multiple psychotropics, and alcohol. He had a GCS of 10, hypoxemia, and initial VPA and ammonia of 45 µg/L and 139 µg/dL, respectively. The peak VPA and ammonia were 317 µg/L and 255 µg/L, respectively. He received L-carnitine and ertapenem, with a subsequent decline in concentrations.Discussion Carbapenems may reduce VPA concentrations by 50%–80%. Our cases demonstrate the successful use of ertapenem in the management of severe VPA toxicity. Further studies may establish criteria for the use of carbapenems for treating VPA poisoning and whether they can reduce the need for hemodialysis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».