Genetic predictors of response to treatment with citalopram in depression secondary to traumatic brain injury
Notice bibliographique
Résumé
OBJECTIVES: To determine which serotonergic system-related single nucleotide polymorphisms (SNPs) predicted variation in treatment response to citalopram in depression following a traumatic brain injury (TBI). METHODS: Ninety (50 M/40 F, aged 39.9, SD = 18.0 years) post-TBI patients with a major depressive episode (MDE) were recruited into a 6-week open-label study of citalopram (20 mg/day). Six functional SNPs in genes related to the serotonergic system were examined: serotonin transporter (5HTTLPR including rs25531), 5HT1A C-(1019)G and 5HT2A T-(102)C, methylene tetrahydrofolate reductase (MTHFR) C-(677)T, brain-derived neurotrophic factor (BDNF) val66met and tryptophan hydroxylase-2 (TPH2) G-(703)T. Regression analyses were performed using the six SNPs as independent variables: Model 1 with response (percentage Hamilton Depression (HAMD) change from baseline to endpoint) as the dependent variable and Model 2 with adverse event index as the dependent variable (Bonferroni corrected p-value < 0.025). RESULTS: MTHFR and BDNF SNPs predicted greater treatment response (R(2)= 0.098, F = 4.65, p = 0.013). The 5HTTLPR predicted greater occurrence of adverse events (R(2)= 0.069, F = 5.72, p = 0.020). CONCLUSION: Results suggest that polymorphisms in genes related to the serotonergic system may help predict short-term response to citalopram and tolerability to the medication in patients with MDE following a TBI.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».