Notice bibliographique
Résumé
A recent article offers a useful summary of steps to consider concerning drug–drug interactions during drug development [1]. However, the article focused mainly on anticipating pharmacokinetic and drug metabolism-based interactions. The more important issue is that while in some cases such changes can anticipate potentially clinically important interactions, for example, with drugs acting directly on peripheral cardiovascular receptors or having a small volume of distribution, for many classes of drugs such studies cannot usefully predict clinically important interactions in individual patients [2, 3]. The reasons are mainly because of the large variation among patients in the extent of kinetic and metabolism changes combined with much larger variation in pharmacodynamic and therapeutic effects. Preoccupation with kinetic and metabolic-based interactions mechanisms has occurred because these are more easily studied than the more important pharmacodynamic consequences in individual patients. Population (average) changes in kinetics, metabolites and pharmacodynamics are not useful in actual clinical dose adjustment. This shortcoming is compounded by the relative lack of clinical studies in actual conditions and settings of drug use and in neglected study populations including different ancestry groups, low socioeconomic groups and individuals with restricted access to health care services. As a result of being understudied, much clinical use of drugs and management of drug–drug interactions is largely trial and error. Many more “real” world post-marketing studies of drug–drug interactions are needed. As final comment, these authors elect to distinguish the drugs involved in drug–drug interactions as the “perpetrator” and the “victim.” This is a useful categorical and semantic shortcut but belies the complexity of the etiology and complexity of drug–drug interactions where often multiple drugs are administered concurrently in disease states that modify mechanism and consequences. In clinical practice, the perpetrator is often the prescriber and the victim the patient! The author has nothing to report. The author declares no conflicts of interest.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,084 | 0,049 |
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 source (Gemma direct ou Codex distillé), 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 ».