The pharmacogenetics of antipsychotic-induced adverse events
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Antipsychotic drugs are effective in alleviating a variety of symptoms and are medication of first choice in schizophrenia. However, a substantial interindividual variability in side effects often requires a lengthy 'trial-and-error' approach until the right medication is found for the right patient. Genetic factors have long been hypothesized to be involved and identification of related gene variants could be used to predict and tailor drug treatment. RECENT FINDINGS: This review highlighting the most recent genetic findings was conducted on the two most common and most well-studied side effects: antipsychotic-induced weight gain and tardive dyskinesia. SUMMARY: Regarding weight gain, most promising and most consistent findings were obtained in the serotonergic system (HTR2C) and with hypothalamic leptin-melanocortin genes, in particular with one variant close to the melanocortin-4-receptor (MC4R) gene. With respect to tardive dyskinesia, most interesting findings were generally obtained in genes related to the dopaminergic system (dopamine receptors D2 and D3), and more recently with glutamatergic system genes. Overall, genetic studies have been successful in identifying strong findings, in particular for antipsychotic-induced weight gain and to some extent for tardive dyskinesia. Apart from the need for replication studies in larger and well-characterized samples, the next challenge will be to create predictive algorithms that can be used for clinical practice.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».