Pharmacogenetics of clozapine treatment response and side-effects in schizophrenia: an update
Notice bibliographique
Résumé
INTRODUCTION: Clozapine (CLZ) is the most effective treatment for treatment-resistant schizophrenia (SCZ) patients, with potential added benefits of reduction in suicide risk and aggression. However, CLZ is also mainly underused due to its high risk for the potentially lethal side-effect of agranulocytosis as well as weight gain and related metabolic dysregulation. Pharmacogenetics promises to enable the prediction of patient treatment response and risk of adverse effects based on patients' genetics, paving the way toward individualized treatment. AREA COVERED: This article reviews pharmacogenetics studies of CLZ response and side-effects with a focus on articles from January 2012 to February 2015, as an update to the previous reviews. Pharmacokinetic genes explored primarily include CYP1A2, while pharmacodynamic genes consisted of traditional pharmacogenetic targets such as brain-derived neurotrophic factor as well novel mitochondrial genes, NDUFS-1 and translocator protein. EXPERT OPINION: Pharmacogenetics is a promising avenue for individualized medication of CLZ in SCZ, with several consistently replicated gene variants predicting CLZ response and side-effects. However, a large proportion of studies have yielded mixed results. Large-scale Genome-wide association studies (e.g., CRESTAR) and targeted gene studies with standardized designs (response measurements, treatment durations, plasma level monitoring) are required for further progress toward clinical translation. Additionally, in order to improve study quality, we recommend accounting for important confounders, including polypharmacy, baseline measurements, treatment duration, gender, and age at onset.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».