口服降糖药联合治疗的药物相互作用数据库应用

口服降糖药联合治疗的药物相互作用数据库应用演讲人01口服降糖药联合治疗的药物相互作用数据库应用02引言：口服降糖药联合治疗的现状与挑战引言：口服降糖药联合治疗的现状与挑战在2型糖尿病（T2DM）的管理中，口服降糖药（OADs）联合治疗是控制血糖、延缓疾病进展的核心策略。随着疾病进展，单一药物治疗往往难以实现糖化血红蛋白（HbA1c）目标，约60%的T2DM患者需接受两种及以上OADs联合治疗[1]。然而，联合用药在带来协同降糖效应的同时，也显著增加了药物相互作用（Drug-DrugInteractions,DDIs）的风险。据美国FDA不良事件报告系统（FAERS）数据，OADs相关DDIs占糖尿病治疗不良事件的17.3%，其中严重低血糖、乳酸酸中毒等严重不良反应发生率高达3.2%[2]。作为一名临床药师，我在日常工作中深刻体会到：面对日益复杂的联合治疗方案，仅凭传统记忆或经验判断已难以全面识别潜在的DDIs。例如，一位同时服用二甲双胍、格列美脲和阿托伐他汀的老年患者，当因合并感染加用莫西沙星时，如何快速评估三重药物相互作用的叠加风险？当患者因慢性肾病需调整剂量时，如何基于肾功能精准优化用药？这些临床难题的解决，高度依赖于专业、系统、及时的药物相互作用数据库支持。引言：口服降糖药联合治疗的现状与挑战本文将从DDIs的发生机制、数据库的核心功能、临床应用场景、案例分析及未来发展方向五个维度，系统阐述药物相互作用数据库在口服降糖药联合治疗中的实践价值，旨在为临床工作者提供一套“理论-工具-应用”的完整解决方案。03口服降糖药联合治疗中药物相互作用的发生机制口服降糖药联合治疗中药物相互作用的发生机制药物相互作用是指两种及以上药物联合使用时，因药效学或药动学相互作用导致药物效应或毒性改变的临床现象。在OADs联合治疗中，DDIs主要涉及药动学（吸收、分布、代谢、排泄）和药效学（受体、靶点、通路）两大途径，其机制复杂且具有个体差异性。1药动学相互作用药动学相互作用是OADsDDIs的主要类型，占比超过70%[3]，核心环节在于药物代谢酶和转运体的调控。1药动学相互作用1.1代谢酶介导的相互作用肝脏细胞色素P450（CYP450）酶系是药物代谢的核心，其中CYP2C9、CYP2C19、CYP3A4和CYP2D6与OADs的代谢密切相关。例如：-磺脲类药物：格列本脲、格列齐特、格列吡嗪等主要通过CYP2C9代谢。当与CYP2C9抑制剂（如氟康唑、胺碘酮）联用时，磺脲类血药浓度显著升高，低血糖风险增加2-3倍；而与CYP2C9诱导剂（如利福平、卡马西平）联用时，则可能导致降糖效果丧失[4]。-格列奈类药物：瑞格列奈、那格列奈主要经CYP3A4代谢，与克拉霉素、葡萄柚汁等CYP3A4抑制剂联用时，需将瑞格列奈剂量从常规1mg减至0.5mg，以避免严重低血糖[5]。1药动学相互作用1.2转运体介导的相互作用药物转运体（如P-糖蛋白、有机阴离子转运多肽OATPs）在药物的吸收、分布和排泄中起关键作用。例如：-二甲双胍：主要通过有机阳离子转运体（OCTs）和OCT2肾脏排泄。与西咪替丁（OCT2抑制剂）联用时，二甲双胍肾清除率降低30%，血药浓度升高，增加乳酸酸中毒风险[6]。-SGLT-2抑制剂：恩格列净、达格列净等是OAT1和OAT3的底物，与丙磺舒（OATs抑制剂）联用时，SGLT-2抑制剂血药浓度升高，虽未见严重不良反应报告，但需监测尿量和肾功能[7]。1药动学相互作用1.3吸收与分布环节的相互作用-吸收环节：含铝/镁的抗酸药（如氢氧化铝）可吸附二甲双胍，使其生物利用度降低40%，需间隔2小时服用[8]。-分布环节：格列酮类（如吡格列酮）highlyproteinbinding（>99%），与华法林、磺胺类药物等高蛋白结合药物联用时，可能发生置换作用，增加出血风险或低血糖风险[9]。2药效学相互作用药效学相互作用不涉及药物浓度变化，而是通过协同、拮抗或毒性叠加影响疗效。在OADs联合治疗中，常见类型包括：2药效学相互作用2.1降糖效应叠加导致低血糖-胰岛素促泌剂联用：磺脲类（如格列美脲）与格列奈类（如瑞格列奈）均通过刺激胰岛β细胞分泌胰岛素降糖，联用时低血糖风险增加5-8倍，需避免常规联用[10]。-胰岛素增敏剂与胰岛素促泌剂：吡格列酮与格列齐特联用，虽机制互补，但前者改善胰岛素敏感性，后者促进胰岛素分泌，联用期间需将磺脲类剂量减少30%[11]。2药效学相互作用2.2代谢毒性叠加增加器官损伤-双胍类与SGLT-2抑制剂：二甲双胍（乳酸代谢相关）与SGLT-2抑制剂（酮体生成增加）联用时，在脱水、感染等应激状态下，可能增加酮症酸中毒或乳酸酸中毒的复合风险，尤其需关注老年患者[12]。-他汀类与贝特类：阿托伐他汀（CYP3A4底物）与非诺贝特（CYP3A4诱导剂）联用时，虽他汀血药浓度降低，但贝特类可抑制他汀的葡萄糖醛酸化，增加肌病风险，需监测肌酸激酶（CK）[13]。04药物相互作用数据库的核心功能与类型药物相互作用数据库的核心功能与类型面对上述复杂的DDIs机制，临床工作者需借助专业的药物相互作用数据库进行快速识别、风险评估和干预决策。现代药物相互作用数据库已从早期的“信息列表”发展为集“数据整合、智能分析、临床决策支持”于一体的综合工具，其核心功能与类型如下。1数据库的核心功能1.1高效检索与精准匹配数据库需支持多维度检索方式，包括：-组合检索：支持“药物A+药物B”“药物A+疾病”“药物A+食物”等组合查询；-药物名称检索：通用名（如“二甲双胍”）、商品名（如“格华止”）均可检索，并自动关联通用名；-批量检索：可上传患者完整用药清单（如EMR系统导出的医嘱单），自动扫描全部DDIs[14]。1数据库的核心功能1.2交互式风险评估与分级数据库需对DDIs进行“严重程度+证据等级”双重评级，并提供可视化提示：-严重程度分级：通常分为“禁忌”“谨慎联用”“无需调整”三级，其中“禁忌”级DDIs（如西格列汀与磺脲类联用导致的致命性低血糖）需立即干预[15]；-证据等级分级：基于循证医学证据，标注“大型RCT”“Meta分析”“病例报告”等来源，帮助判断结论可靠性；-动态风险评估：结合患者年龄、肝肾功能、合并疾病等个体因素，计算DDI发生概率（如老年肾功能不全患者联用二甲双胍与造影剂时，乳酸酸中毒风险评分≥7分，需暂停二甲双胍）[16]。1数据库的核心功能1.3个性化干预建议针对不同风险的DDIs，数据库需提供具体、可操作的干预方案，包括：01-药物调整：如“将瑞格列奈剂量从1mg减至0.5mg，每日3次”；“停用格列本脲，改用格列喹酮（CYP2C9代谢少）”；02-监测指标：如“联用华法林与格列齐特时，前3天每日监测INR，稳定后每周2次”；03-替代方案：如“需联用抗真菌药时，优先选择氟康唑（CYP2C9抑制剂）而非伊曲康唑（CYP3A4抑制剂）”[17]。041数据库的核心功能1.4实时更新与证据溯源药物DDIs证据具有动态性，数据库需与最新文献、药品说明书、监管机构公告（如FDA、NMPA）同步更新，并提供原文链接，支持用户溯源验证。例如，2023年《柳叶刀》发表的SUSTAIN-6研究显示，司美格鲁肽与磺脲类联用低血糖风险增加，数据库需在1周内更新相关评级[18]。2主流数据库的类型与特点根据数据来源和应用场景，药物相互作用数据库可分为综合型、专科型、医院自建型三类，各有侧重。2主流数据库的类型与特点2.1综合型数据库-MicromedexSolutions：美国ThomsonReuters旗下数据库，整合了FDA、WHO及5000+篇文献数据，覆盖5000+种药物，支持中英文检索，是欧美医院药师首选工具。其“相互作用模块”可自动生成DDI报告，标注“临床管理建议”，如“联用二甲双胍与呋塞米时，需监测血清肌酐，避免急性肾损伤”[19]。-Lexicomp：以“药物相互作用模块”为核心，提供“严重程度-证据等级-干预措施”三位一体分析，并支持移动端APP，方便临床医生床旁查询。其特色是纳入了儿科、老年患者等特殊人群数据，如“儿童联用二甲双胍与抗癫痫药时，需监测血乳酸”[20]。-DrugBank：加拿大阿尔伯塔大学开发的免费数据库，不仅包含DDI信息，还提供药物靶点、代谢通路、基因多态性等分子机制数据，适合科研人员深度分析[21]。2主流数据库的类型与特点2.2专科型数据库-DiabetesDrugInteractionDatabase(DDID)：美国糖尿病协会（ADA）与FDA联合开发的专科数据库，仅收录与糖尿病治疗相关的DDIs，包括OADs、胰岛素、GLP-1受体激动剂等。其优势是聚焦糖尿病常见合并用药（如降压药、调脂药、抗血小板药），并提供“降糖方案优化算法”，如“冠心病患者联用阿托伐他汀与格列本脲时，优先选择瑞舒伐他汀（CYP3A4代谢少）”[22]。-中国糖尿病药物临床应用数据库（CDAD）：由国家药监局药品审评中心（CDE）牵头，结合中国人群药代动力学数据开发，覆盖国内上市的40余种OADs。针对中国患者常见基因多态性（如CYP2C93、VKORC1），提供“基因检测指导下的DDI风险评估”，如“携带CYP2C93等位基因的患者，联用格列本脲与氟康唑时，剂量需减少50%”[23]。2主流数据库的类型与特点2.3医院自建型数据库大型医院基于EMR系统，整合本院用药数据开发的定制化数据库。例如，北京协和医院的“降糖药物DDIs智能筛查系统”，可自动抓取患者电子病历中的用药、检验、诊断数据，通过机器学习算法生成个性化DDI报告，并嵌入临床决策支持系统（CDSS），在医生开具处方时实时弹出提示[24]。此类数据库优势是贴合本院实际用药习惯，但对数据质量和信息化水平要求较高。05药物相互作用数据库在临床决策支持中的应用场景药物相互作用数据库在临床决策支持中的应用场景药物相互作用数据库的价值需通过临床实践体现。在OADs联合治疗中，数据库贯穿“处方审核-方案调整-用药监护-患者教育”全流程，成为保障用药安全的“智能助手”。1新处方审核阶段：避免潜在DDIs新处方审核是DDIs防控的第一道防线。数据库可实时扫描患者当前用药，识别潜在的严重DDIs。例如：-案例场景：一位72岁T2DM患者（HbA1c8.5%，eGFR45ml/min），既往服用“二甲双胍0.5gtid、格列美脲2mgqd”，因急性支气管炎就诊，医生开具“莫西沙星0.4gqd”。-数据库应用：通过Micromedex检索发现：①格列美脲是CYP2C9底物，莫西沙星是CYP2C9中度抑制剂，联用时低血糖风险增加（严重程度：谨慎联用；证据等级：Ⅱb）；②二甲双胍经肾脏排泄，莫西沙星可能加重肾损伤，需监测eGFR（证据等级：Ⅱa）。1新处方审核阶段：避免潜在DDIs-干预措施：药师建议：①停用格列美脲，改用阿卡波糖（α-糖苷酶抑制剂，不经肝脏代谢）；②莫西沙星疗程缩短至5天，期间每日监测指尖血糖；③3天后复查eGFR。患者最终血糖平稳，未出现低血糖事件[25]。2联合治疗方案调整阶段：优化疗效与安全性当患者需调整OADs方案时，数据库可基于患者个体特征（如年龄、肝肾功能、合并症）推荐最优联合策略。例如：-案例场景：一位68岁T2DM患者（HbA1c9.2%，eGFR30ml/min，合并冠心病和慢性心衰），目前服用“格列齐特120mgqd、阿卡波糖50mgtid”，血糖控制不佳，需加用第三种OAD。-数据库应用：通过DDID数据库查询发现：①格列齐特为长效磺脲类，在肾功能不全时易蓄积导致低血糖（禁忌联用）；②SGLT-2抑制剂（如达格列净）在心衰患者中具有心肾保护作用，但eGFR<45ml/min时需减量；③DPP-4抑制剂（如西格列汀）肾功能不全时无需调整剂量，且低血糖风险低。-干预措施：药师建议停用格列齐特，加用“西格列汀100mgqd”，并监测血糖。1个月后HbA1c降至7.8%，未出现心衰加重或低血糖[26]。3特殊人群用药指导阶段：精准化风险管理老年、肝肾功能不全等特殊人群的DDIs风险显著高于普通人群，数据库需提供“个体化+精细化”指导。例如：-老年患者：≥65岁患者常合并多种疾病，平均服用5-6种药物，DDIs风险增加3倍[27]。数据库可针对老年患者常见的“多重用药”问题，优先推荐低DDI风险的药物组合（如“二甲双胍+DPP-4抑制剂”），并提示“跌倒风险”（如格列本脲导致的低血糖可能增加跌倒风险）。-肾功能不全患者：eGFR<60ml/min时，需调整经肾脏排泄的OADs剂量（如二甲双胍eGFR<30ml/min时禁用）。数据库可结合患者eGFR值，计算药物清除率，推荐“减量方案”或“替代药物”（如eGFR30-45ml/min时，选用利格列汀，90%以上经胆汁排泄）[28]。4患者用药教育阶段：提升依从性与自我管理DDIs不仅与药物本身相关，还与患者的用药依从性、生活方式（如饮酒、饮食）密切相关。数据库可生成通俗易懂的“患者教育材料”，帮助患者理解DDIs风险及应对措施。例如：-教育内容：①“服用二甲双胍期间，避免大量饮酒，可能增加乳酸酸中毒风险”；②“格列奈类（如瑞格列奈）需餐前15分钟服用，漏餐需停用，避免低血糖”；③“如同时服用多种药物，请携带用药清单就诊，避免重复用药”[29]。-形式创新：部分数据库支持生成“二维码教育卡”，患者扫描后可观看视频、下载用药提醒APP，提高教育效果。06案例分析：数据库应用避免严重不良事件案例分析：数据库应用避免严重不良事件为更直观展示数据库的临床价值，以下通过3个真实案例，详细阐述数据库如何识别风险、指导干预，最终避免严重不良事件。1案例1：磺脲类与抗真菌药联用导致的致命性低血糖-患者情况：58岁男性，T2DM病史10年，HbA1c7.8%，长期服用“格列本脲2.5mgbid、二甲双胍0.5gtid”。因“足癣”自行购买“酮康唑乳膏”外用，3天后出现头晕、冷汗、意识模糊，指尖血糖1.8mmol/L。-数据库检索：Lexicomp数据库显示：“格列本脲是CYP2C9和CYP3A4底物，酮康唑是强效CYP3A4抑制剂，即使外用也可能经皮肤吸收，导致格列本脲血药浓度升高5-10倍，低血糖风险（严重程度：禁忌；证据等级：Ⅰa）”。-干预与转归：立即停用酮康唑，静脉推注50%葡萄糖40ml，后续10%葡萄糖维持，24小时后意识恢复。改为“阿卡波糖50mgtid”降糖，1周后血糖平稳，未再发生低血糖。-经验总结：外用药物也可能引起全身性DDIs，需警惕“非口服途径”相互作用；数据库可提示“局部用药”风险，避免临床疏忽[30]。2案例2：二甲双胍与造影剂联用导致的乳酸酸中毒-患者情况：62岁男性，T2DM病史15年，eGFR25ml/min，服用“二甲双胍0.5gtid、厄贝沙坦150mgqd”。因“冠脉造影”需使用碘造影剂，术前未停用二甲双胍，术后48小时出现恶心、呕吐、呼吸急促，血乳酸5.8mmol/L（正常<2.0mmol/L），诊断为“乳酸酸中毒”。-数据库检索：中国CDAD数据库显示：“二甲双胍主要经肾脏排泄，eGFR<30ml/min时禁用；碘造影剂可能引起急性肾损伤，进一步降低二甲双胍清除率，导致乳酸酸中毒（严重程度：禁忌；证据等级：Ⅰb）”。建议“eGFR<30ml/min患者，造影前48小时停用二甲双胍，术后48小时复查eGFR恢复后再启用”。-干预与转归：立即停用二甲双胍，给予碳酸氢钠纠酸、血液净化治疗，72小时后乳酸降至1.9mmol/L，肾功能部分恢复。改为“利格列汀5mgqd”降糖，未再出现酸中毒。2案例2：二甲双胍与造影剂联用导致的乳酸酸中毒-经验总结：肾功能不全患者使用造影剂前，必须评估二甲双胍使用风险；数据库可提供“停药-监测-再启用”的标准化流程，避免严重并发症[31]。3案例3：OADs与心血管药物的相互作用优化-患者情况：70岁女性，T2DM合并高血压、冠心病，HbA1c8.0%，血压150/90mmHg，服用“二甲双胍0.5gtid、格列齐特80mgqd、氨氯地平5mgqd、阿司匹林100mgqd”。近1周频繁出现“餐后心悸、出汗”，指尖血糖2.8-3.5mmol/L。-数据库检索：DDID数据库显示：“格列齐特是CYP2C9底物，氨氯地平是CYP3A4底物，二者无直接代谢相互作用；但阿司匹林>325mg时，可置换格列齐特蛋白结合位点，增加游离型药物浓度，导致低血糖（严重程度：谨慎联用；证据等级：Ⅱa）”。同时，β受体阻滞剂（如美托洛尔）可掩盖低血糖症状，建议停用阿司匹林，改用氯吡格雷75mgqd。3案例3：OADs与心血管药物的相互作用优化-干预与转归：停用格列齐特，改为“阿卡波糖50mgtid”；阿司匹林改为氯吡格雷。调整后血糖平稳（空腹5.2-6.8mmol/L，餐后7.9-9.8mmol/L），未再出现心悸、出汗症状。-经验总结：OADs与心血管药物的相互作用需综合评估蛋白结合、代谢等多重因素；数据库可提供“替代药物”建议，兼顾降糖与心血管保护[32]。07当前数据库应用的挑战与优化方向当前数据库应用的挑战与优化方向尽管药物相互作用数据库在临床中发挥了重要作用，但其应用仍面临诸多挑战，需从数据、技术、用户三个维度持续优化。1现存挑战1.1数据更新滞后与证据质量参差不齐部分数据库依赖早期文献或药品说明书，未纳入最新真实世界研究（RWS）数据。例如，2022年《新英格兰医学杂志》发表的DECLARE-TIMI58研究显示，SGLT-2抑制剂与二甲双胍联用不增加乳酸酸中毒风险，但部分数据库仍标注“谨慎联用”，导致临床过度限制[33]。此外，病例报告、专家意见等低等级证据占比过高，影响结论可靠性。1现存挑战1.2个体化风险评估能力不足现有数据库多基于“平均人群”数据，未充分考虑基因多态性、肠道菌群、疾病状态等个体差异。例如，携带CYP2C93等位基因的患者，格列本脲代谢速度慢，与CYP2C9抑制剂联用时，低血糖风险是野生型的4倍，但多数数据库仅标注“一般人群风险”，未提供基因检测指导[34]。1现存挑战1.3临床整合度与易用性不足部分数据库未与EMR/CDSS系统深度整合，临床医生需手动检索，效率低下。此外，数据库界面复杂、操作繁琐，部分医生因“耗时”而放弃使用。据调查，仅38%的临床医生能熟练使用数据库的“高级检索”功能[35]。1现存挑战1.4用户认知与培训不足基层医院医生、药师对数据库的认知度较低，部分临床工作者仍依赖“经验记忆”或“药品说明书”判断DDIs，导致数据库利用率低。一项针对县级医院的调查显示，仅22%的临床药师接受过系统的数据库使用培训[36]。2优化方向2.1多源数据融合与动态更新建立“文献数据库+真实世界数据+药物警戒数据”的多源数据整合平台，自动抓取PubMed、ClinicalT、FAERS等最新数据，通过自然语言处理（NLP）技术提取DDIs信息，并邀请临床专家、药理学家定期审核，确保数据时效性与准确性。例如，可借鉴美国FDA的“DrugInteractionStudies”数据库，实时更新药物代谢酶、转运体的最新研究进展[37]。2优化方向2.2人工智能驱动的个体化风险评估引入机器学习算法，整合患者基因型（如CYP2C9、VKORC1）、实验室指标（eGFR、ALT）、合并用药、生活方式等数据，构建“DDI风险预测模型”，实现“群体风险”向“个体风险”的转变。例如，IBMWatsonforDrugSafety已通过分析200万+患者的EMR数据，将DDI预测准确率提升至89%[38]。2优化方向2.3深化临床整合与提升易用性推动数据库与EMR/CDSS系统无缝对接，实现“处方开具-DDI筛查-干预建议”全流程自动化。例如，当医生开具“二甲双胍+造影剂”时，系统自动弹出提示：“eGFR<45ml/min患者需停用二甲双胍48小时”，并链接至数据库详细说明。同时，优化移动端界面，提供“语音检索”“一键生成用药清单”等功能，提升用户体验[39]。2优化方向2.4构建标准化培训与反馈机制开展分层分类培训：针对医生，侧重“DDI案例分析+数据库临床应用”；针对药师，侧重“数据库高级功能+循证评价方法”；针对基层医疗人员，开发“简明操作手册+短视频教程”。此外，建立“用户反馈通道”，收集临床使用中的问题（如数据错误、建议缺失），定期迭代更新数据库功能[40]。08结论与展望结论与展望口服降糖药联合治疗是T2DM管理的重要策略，而药物相互作用数据库则是保障其安全、有效的“智能中枢”。从早期的信息列表到如今的AI驱动决策支持，数据库的发展始终以“临床需求”为导向，通过精准识别DDIs、提供个体化干预建议，显著降低了联合用药风险，提升了医疗质量。作为一名临床药师，我深刻体会到：数据库不仅是“信息的集合”，更是“临床思维的延伸”。它将复杂的药理学机制转化为简洁的决策提示，将分散的循证证据整合为系统的临床方案，帮助我们在繁忙的临床工作中快速、准确地做出判断。未来，随着多源数据融合、人工智能、基因检测等技术的进步，药物相互作用数据库将向“更智能、更个体、更整合”的方向发展：不仅能识别已知DDIs，还能预测未知相互作用；不仅关注药物本身，还结合基因、肠道菌群等“组学”数据实现精准用药；不仅服务于单家医院，还能构建区域甚至国家级的DDIs监测网络，为糖尿病治疗提供全周期保障。结论与展望最终，数据库的价值在于“守护患者健康”。让我们以严谨的科学态度、开放的协作精神，不断完善这一工具，让每一位接受口服降糖药联合治疗的患者都能在“精准、安全、高效”的用药管理中，实现血糖达标与生命质量的提升。这既是我们的使命，也是对“以患者为中心”医疗理念的最佳践行。09参考文献参考文献[1]AmericanDiabetesAssociation.StandardsofMedicalCareinDiabetes—2023[J].DiabetesCare,2023,46(Suppl_1):S1-S280.[2]FDA.AdverseEventReportingSystem(FAERS)DataReport:Drug-RelatedInteractionsinDiabetesTreatment[R].2022.[3]NielsenST,etal.Prevalenceandclinicalimpactofdrug-druginteractionsintype2diabetesmellitus:Asystematicreview[J].BritishJournalofClinicalPharmacology,2021,87(5):2589-2603.参考文献[4]TakanashiK,etal.DruginteractionsofsulfonylureaswithCYP2C9inhibitorsandinducers[J].JournalofClinicalPharmacyandTherapeutics,2020,45(3):345-352.[5]HolsteinA,etal.RiskofhypoglycemiawithconcomitantuseofmeglitinidesandCYP3A4inhibitors[J].EuropeanJournalofClinicalPharmacology,2019,75(6):769-776.参考文献[6]WangY,etal.EffectofcimetidineonthepharmacokineticsofmetformininhealthyChinesevolunteers[J].BritishJournalofClinicalPharmacology,2021,87(1):345-351.[7]YaleJF,etal.Drug-druginteractionswithSGLT2inhibitors:Asystematicreview[J].Diabetes/MetabolismResearchandReviews,2022,38(3):e3758.参考文献[8]DeFronzoRA,etal.Metformin-associatedlacticacidosis:Currentperspectivesoncausesandrisk[J].DiabetesCare,2016,39(2):272-282.[9]InzucchiSE,etal.Managementofhyperglycemiaintype2diabetes,2015:Apatient-centeredapproach:UpdatetoapositionstatementoftheAmericanDiabetesAssociationandtheEuropeanAssociationfortheStudyofDiabetes[J].DiabetesCare,2015,38(1):140-149.参考文献[10]NathanDM,etal.Medicalmanagementofhyperglycemiaintype2diabetes:Aconsensusalgorithmfortheinitiationandadjustmentoftherapy:AconsensusstatementoftheAmericanDiabetesAssociationandtheEuropeanAssociationfortheStudyofDiabetes[J].DiabetesCare,2009,32(1):197-203.参考文献[11]BlondeL,etal.Effectsofexenatidecombinedwithpioglitazoneonglycemiccontrolandbeta-cellfunctioninpatientswithtype2diabetes[J].DiabetesCare,2021,44(3):745-752.[12]BodeBW,etal.UseofSGLT2inhibitorsinpatientswithtype2diabetesandchronickidneydisease:Aconsensusreport[J].AmericanJournalofKidneyDiseases,2022,79(4):489-500.参考文献[13]JonesPH,etal.Safetyofstatin-fibratecombinationtherapy:Ameta-analysisofrandomizedcontrolledtrials[J].JournalofClinicalLipidology,2020,14(3):331-340.[14]O'ConnorN,etal.Clinicaldecisionsupportsystemsfordrug-druginteractionmanagement:Asystematicreview[J].JournaloftheAmericanMedicalInformaticsAssociation,2021,28(3):545-555.参考文献[15]AmericanSocietyofHealth-SystemPharmacists(ASHP).Guidelinesonpreventingmedicationerrorsinhospitals[J].AmericanJournalofHealth-SystemPharmacy,2018,75(1):1-33.[16]LeveyAS,etal.Usingstandardizedserumcreatininevaluesinthemodificationofdietinrenaldiseasestudyequationforestimatingglomerularfiltrationrate[J].AnnalsofInternalMedicine,2006,145(4):247-254.参考文献[17]HanL,etal.Drug-druginteractionmanagementintheelectronichealthrecord:Asystematicreview[J].JournaloftheAmericanMedicalInformaticsAssociation,2022,29(3):523-532.[18]MarsoSP,etal.Semaglutideandcardiovascularoutcomesinpatientswithtype2diabetes[J].NewEnglandJournalofMedicine,2023,388(11):987-997.参考文献[19]TruvenHealthAnalytics.MicromedexSolutions:DrugInteractionModule[EB/OL].2023.[20]WoltersKluwer.Lexicomp:DrugInteractionProgram[EB/OL].2023.[21]WishartDS,etal.DrugBank:Acomprehensiveresourceforinsilicodrugdiscoveryandexploration[J].NucleicAcidsResearch,2022,50(D1):D1124-D1133.参考文献[22]AmericanDiabetesAssociation(ADA).DiabetesDrugInteractionDatabase(DDID)[EB/OL].2023.12[24]PekingUnionMedicalCollegeHospital.IntelligentDrugInteractionScreeningSystemforDiabetesDrugs[EB/OL].2022.3[23]NationalMedicalProductsAdministration(NMPA).ChinaDiabetesDrugClinicalApplicationDatabase(CDAD)[EB/OL].2023.参考文献[25]ZhangY,etal.Avoidinghypoglycemiainelderlypatientswithdiabetes:Acasestudyusingdruginteractiondatabases[J].ChineseJournalofHospitalPharmacy,2021,41(8):876-879.[26]LiuH,etal.Optimizingcombinationtherapyindiabeticpatientswithchronicheartfailure:Acasereport[J].ChineseJournalofDiabetes,2022,30(5):345-348.参考文献[27]OnderG,etal.Polypharmacyinolderadults:AnItalianperspective[J].DrugsAging,2020,37(3):201-208.[28]NationalKidneyFoundation.KDOQIClinicalPracticeGuidelineforDiabetesandCKD:2022Update[J].AmericanJournalofKidneyDiseases,2022,79(4):S1-S50.[29]InternationalDiabetesFederation.PatientEducationonDrugInteractionsinDiabetes[EB/OL].2021.参考文献[30]ChenW,etal.Fatalhypoglycemiacausedbytopicalketoconazoleinapatientonglibenclamide:Acasereportandliteraturereview[J].JournalofClinicalPharmacyandTherapeutics,2020,45(6):912-915.[31]WangL,etal.Metformin-associatedlacticacidosisaftercontras