MétaCan
Menu
Retour à la cohorte
Enregistrement W2580519227 · doi:10.2174/1389201018666170123153626

Pharmacogenomic Challenges in Cardiovascular Diseases: Examples of Drugs and Considerations for Future Integration in Clinical Practice

2017· review· en· W2580519227 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueCurrent Pharmaceutical Biotechnology · 2017
Typereview
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensnon disponible
Organismes subventionnairesHealth Canada
Mots-clésPharmacogenomicsMedicineDiseasePrecision medicinePersonalized medicineIntensive care medicineClinical PracticeBioinformaticsPharmacologyInternal medicineBiologyPathologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Even if cardiovascular disease (CVD) drugs are supported by high level proofs, the results of CVD treatment present great disparities: there are still patients dying with supposed optimal treatment, patients facing adverse events and CVD remains the primary cause of death in the world. Pharmacogenomics is the basis of personalisation of the treatment able to allow higher medication success rates. In this review, we will present detailed examples of CVD drugs to highlight the complexity of this challenging field and we will discuss novel concepts that should be considered for a fastest integration of pharmacogenomics in clinical practice of CVD. Areas Covered: The complexity of pharmacogenetics and pharmacogenomics of CVD drugs are presented though examples of medications such as statins, with a focus on their effectiveness and adverse effects. Expert Opinion: The application of personalised medicine in the CVD medical practice requires the study of human genome with regard to drugs pharmacokinetics, pharmacodynamics, interactions and tolerance profile. The existing state -of-the-art of CVD drugs gives hopes for a future revolution in the drug development that will maximise cardiovascular patients benefit while decreasing their risks for adverse effects. Article Highlights Box: • Coronary heart disease (CHD) remains the first cause of death worldwide. • Cardiovascular treatment has a significant percentage of insufficient efficacy, poor tolerance and compliance. • Predicting the response to therapy while diminishing the side effects is the basis of personalised medicine; pharmacogenomics is leading towards this direction. • The response to CVD therapy and side effects are in the heart of CVD pharmacogenomics and significant progress has been noted. • The application of pharmacogenomics in the CVD medical practice is facing many methodological, technical, ethical, behavioral and financial issues, while cost-effectiveness is the main prerequisite. • The consideration of gene × gene × environment interactions and the inclusion of "omics" data in pharmacogenomic studies of CVD drugs will facilitate the generation of reliable results and will promote tailored treatments and new strategies of drug research and development.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
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 enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,385
Tête enseignante GPT0,531
Écart entre enseignants0,145 · 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