MétaCan
Menu
Retour à la cohorte
Enregistrement W2761667289 · doi:10.1002/cpt.807

Effect of Chronic Kidney Disease on Nonrenal Elimination Pathways: A Systematic Assessment of CYP1A2, CYP2C8, CYP2C9, CYP2C19, and OATP

2017· article· en· W2761667289 sur OpenAlexaff
Ming‐Liang Tan, Kenta Yoshida, Ping Zhao, Lei Zhang, Thomas D. Nolin, Micheline Piquette‐Miller, Aleksandra Galetin, Shiew‐Mei Huang

Notice bibliographique

RevueClinical Pharmacology & Therapeutics · 2017
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of General Medical SciencesU.S. Food and Drug AdministrationNational Institutes of Health
Mots-clésCYP2C8CYP2C9CYP2C19CYP1A2PharmacologyCYP3A4Cytochrome P450TolbutamidePharmacokineticsCYP2D6ChemistryKidney diseaseMedicineBiochemistryMetabolismInternal medicine

Résumé

récupéré en direct d'OpenAlex

Our recent studies have shown that chronic kidney disease (CKD) affects the pharmacokinetics (PKs) of cytochrome P450 (CYP)2D6-metabolized drugs, whereas effects were less evident on CYP3A4/5. Therefore, the effect of CKD on the disposition of CYP1A2-metabolized, CYP2C8-metabolized, CYP2C9-metabolized, CYP2C19-metabolized, and organic anion-transporting polypeptide (OATP)-transported drugs was investigated. We identified dedicated CKD studies with 6, 5, 6, 4, and 12 "model" substrates for CYP1A2, CYP2C8, CYP2C9, CYP2C19, and OATP, respectively. Our analyses suggest that clearance of OATP substrates decreases as kidney function declines. Similar trends were seen for CYP2C8; but overlap between some CYP2C8 and OATP substrates highlights that their interplay needs further investigation. In contrast, the effect of CKD on CYP1A2, CYP2C9, and CYP2C19 was variable and modest compared to CYP2C8 and OATP. This improved understanding of elimination-pathway-dependency in CKD is important to inform the need and conduct of PK studies in these patients for nonrenally eliminated drugs.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,173
Tête enseignante GPT0,537
Écart entre enseignants0,364 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations86
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Pharmacology & TherapeuticsMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207