MétaCan
Menu
Retour à la cohorte
Enregistrement W1977560862 · doi:10.2217/pgs.13.80

<i>CYP3A4*22</i> and <i>CYP3A</i> Combined Genotypes Both Correlate With Tacrolimus Disposition in Pediatric Heart Transplant Recipients

2013· article· en· W1977560862 sur OpenAlexafffund
Violette Gijsen, Ron HN van Schaik, Laure Elens, Offie P. Soldin, Steven J. Soldin, Gideon Koren, Saskia N. de Wildt

Notice bibliographique

RevuePharmacogenomics · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensWestern UniversityHospital for Sick Children
Organismes subventionnairesHospital for Sick ChildrenZonMw
Mots-clésTacrolimusDispositionCYP3ACYP3A4GenotypeMedicinePharmacogeneticsPharmacologyInternal medicineBiologyTransplantationGeneticsPsychologyMetabolismGeneCytochrome P450

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Tacrolimus metabolism depends on CYP3A4 and CYP3A5. We aimed to determine the relationship between the CYP3A4*22 polymorphism and combined CYP3A genotypes with tacrolimus disposition in pediatric heart transplant recipients. METHODS: Sixty pediatric heart transplant recipients were included. Tacrolimus doses and trough concentrations were collected in the first 14 days post-transplantation. CYP3A phenotypes were defined as extensive (CYP3A5*1 + CYP3A4*1/*1 carriers), intermediate (CYP3A5*3/*3 + CYP3A4*1/*1 carriers) or poor (CYP3A5*3/*3 + CYP3A4*22 carriers) metabolizers. RESULTS: CYP3A4*22 carriers needed 30% less tacrolimus (p = 0.016) to reach similar target concentrations compared with CYP3A4*1/*1 (n = 56) carriers. Poor CYP3A metabolizers required 17% (p = 0.023) less tacrolimus than intermediate and 48% less (p < 0.0001) than extensive metabolizers. Poor metabolizers showed 18% higher dose-adjusted concentrations than intermediate (p = 0.35) and 193% higher than extensive metabolizers (p < 0.0001). CONCLUSION: Analysis of CYP3A4*22, either alone or in combination with CYP3A5*3, may help towards individualization of tacrolimus therapy in pediatric heart transplant patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,247
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePharmacogenomicsMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207