MétaCan
Menu
Retour à la cohorte
Enregistrement W2105874372 · doi:10.1517/17425250902800153

Ethnic differences in drug metabolism and toxicity from chemotherapy

2009· review· en· W2105874372 sur OpenAlexaff
Viet Hong Phan, Melissa M. Moore, Andrew J. McLachlan, Micheline Piquette‐Miller, Hongmei Xu, Stephen Clarke

Notice bibliographique

RevueExpert Opinion on Drug Metabolism & Toxicology · 2009
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPharmacokineticsIrinotecanDrugPharmacologyDrug metabolismToxicityPharmacogeneticsPaclitaxelMedicinePharmacodynamicsBiologyChemotherapyCancerInternal medicineGeneticsGenotypeGene

Résumé

récupéré en direct d'OpenAlex

There is wide inter-individual variability in the pharmacokinetics, pharmacodynamics and tolerance of anticancer drugs. Recent evidence suggests that there is even greater variability between individuals of different ethnicity. Allelic variants of genes encoding drug metabolising enzymes are expressed with different incidences in different ethnic groups, particularly between Asian and Caucasians, and some of these variants result in altered enzyme function. There is also preliminary evidence to suggest that ethnic differences in the expression of allelic variants may produce altered pharmacokinetics of anticancer drugs, including paclitaxel and irinotecan. Emerging evidence indicates that toxicity from certain anticancer treatments is much greater in Asian patients than Caucasians in breast and lung cancers. Understanding the causes of ethnic differences in cytotoxic metabolism may promote improved understanding of inter-individual differences in the pharmacokinetics and tolerance of cytotoxic drugs leading to improved and more individualised prescribing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,177
Tête enseignante GPT0,468
Écart entre enseignants0,291 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations121
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Drug Metabolism & ToxicologyMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207