Polypharmacy Networks Among Older Adults Requiring Long-Term Care: An Association Rule Mining and Network Analysis
这项针对日本 67,000 多名老年人的横断面研究利用关联规则挖掘和网络分析揭示，尽管多重用药现象普遍存在，但严重药物相互作用的风险随药物数量的增加而显著上升，这强调了需要进行综合考虑处方模式和网络中心性的药物审查。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
随着年龄的增长，人们往往会同时患有多种长期健康状况，例如心脏病、糖尿病或记忆力减退。由于这些疾病需要不同的治疗方案，老年人经常需要看多位医生，而每位医生都可能开出各自的一套药物。这种一个人同时服用多种不同药物的情况被称为“多重用药”（polypharmacy）。虽然服用正确的药物对于保持健康至关重要，但药物过多可能会产生复杂的相互作用网络。有时，两种单独使用时效果良好的药物在同时服用时会发生冲突，从而降低其疗效或引起意外的副作用。对于医疗保健人员来说，挑战不仅在于计算患者服用了多少种药丸，还在于理解这些特定的药丸是如何组合在一起的，以及它们的组合是否会产生潜在的隐患。
日本的一个研究小组致力于超越简单的药丸计数，以了解需要长期护理的老年人药物使用的真实结构。他们分析了居住在茨城县的 6.7 万多名 65 岁及以上人士的医疗记录。这些人正在接受政府支持的护理服务，研究人员专门针对处方时间至少为两周的口服药物进行了研究。研究小组并没有仅仅列出药物清单，而是使用了一种称为“关联规则挖掘”的方法，这是一种在大量数据中寻找模式的方法。想象一下，在观察海量的购物清单时，注意到买面包的人几乎总是会买黄油，或者某些物品出现的频率远高于偶然情况。研究人员将同样的逻辑应用于处方记录，以发现现实环境中哪些药物最常被一起开具。
研究显示，该群体中的典型个体中位服用七种不同的口服药物。然而，研究人员发现这些药物并非随机选择。相反，它们形成了明显的、重复性的组群。最常见的模式涉及心脏和血压药物、预防血栓的药物、胃酸类药物，以及精神健康或睡眠类药物。通过绘制这些联系，研究人员识别出了“枢纽”药物（hub drugs）——即作为网络中心点的特定药物。这些药物出现在包含许多其他不同类型药物的处方中。最核心的药物类别是针对酸相关疾病的药物，其次是钙通道阻滞剂（用于治疗高血压）和抗血栓药物（用于预防血栓）。在单个药物方面，氧化镁（一种常见的抗酸剂和泻药）是单一最核心的药物，紧随其后的是氨氯地平（一种降压药）和兰索拉唑（用于减少胃酸）。
研究人员随后检查了这些常见的药物组合是否会产生安全风险。他们将频繁出现的药物对与已知的药物相互作用数据库进行比对，以查看其中是否存在可能造成伤害的情况。他们发现，随着药物数量的增加，潜在负面相互作用的风险也急剧上升。在服用少于五种药物的人群中，只有极小比例的人存在需要监测的潜在相互作用。然而，对于服用十种或更多药物的人，情况发生了戏剧性的变化。超过三分之一的这类人群至少有一种可能降低治疗效果或造成伤害的药物组合。具体而言，在这一高用药量群体中，近十分之一的人拥有的组合被认为危险到足以需要更改治疗方案或完全避免这种混合使用。团队强调的一个显著例子是氯吡格雷（一种抗血小板药物）与艾司奥美拉唑（一种减少胃酸的药物）的组合。这种配对被标记为高风险相互作用，因为胃部药物可能会阻止血液稀释剂发挥正常作用。
这项研究表明，仅仅计算患者服用的药丸数量不足以确保其安全。研究人员认为，医生和药剂师需要观察药物是如何组合在一起的具体模式。通过识别那些将复杂用药方案维系在一起的中心“枢纽”药物，医疗团队可以集中精力审查那些最容易涉及风险相互作用的药物。研究结果表明，随着药物数量的增加，网络的复杂程度也会随之增加，个人的潜在风险负担也随之增加。这种方法为管理老年人的护理提供了一种更清晰的方式，即从简单的处方计数转向对处方如何协同工作的深度理解，其目标是在治疗其多种健康需求的同时，确保患者的安全。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。