Relevance of assessing drug concentration exposure in pharmacogenetic and imaging studies
Notice bibliographique
Résumé
Pharmacodynamic differences are difficult to interpret without drug concentration data. In particular, variability in drug exposure may confound the interpretation of pharmacogenetic, therapeutic outcome, and neuroimaging studies. Inter-individual variability in concentrations can be quite high due to variable adherence and pharmacokinetics. For example, clearance may be influenced by genetics, drug interactions, age and illness. We review findings that acute responses to selective serotonin reuptake inhibitors can have a concentration-response relationship using positron emission tomography and neuroendocrine measures. We also present preliminary evidence that the concentration-response relationship for paroxetine is influenced by genotypic differences at the serotonin transporter promoter. In large clinical studies, the accurate assessment of drug exposure can be challenging, with several techniques used to assess exposure. Population pharmacokinetics (Pop PK) is a method that is ideally suited for analysing concentration data from large trials because both patient-specific and population parameters can be determined with only a small number of plasma samples per patient. As opposed to relying on prescribed doses or a single trough level, the ability to determine more accurately exposure with Pop PK reduces the heterogeneity introduced by exposure variability. Pop PK hierarchic Bayesian approaches have been effective for characterizing anticonvulsants, antibiotics, antineoplastics and antiarrhythmics. We have recently successfully incorporated these pop PK analyses into routine assessments of elderly patients in clinical trials of selective serotonin reuptake inhibitors (SSRIs) and second generation antipsychotics. For the design and interpretation of neuroimaging, pharmacogenetic, and behavioural studies, the assessment of drug concentration exposure is therefore feasible and has potentially important ramifications.
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 | 0,216 | 0,451 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,003 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».