MétaCan
Menu
Retour à la cohorte
Enregistrement W2793349513 · doi:10.1002/cpt.1048

Research Directions in the Clinical Implementation of Pharmacogenomics: An Overview of US Programs and Projects

2018· review· en· W2793349513 sur OpenAlexaff
Simona Volpi, Carol J. Bult, Rex L. Chisholm, Patricia A. Deverka, Geoffrey S. Ginsburg, Howard J. Jacob, Melpomeni Kasapi, Howard L. McLeod, Dan M. Roden, Marc S. Williams, Eric D. Green, Laura Lyman Rodriguez, Samuel Aronson, Larisa H. Cavallari, Joshua C. Denny, Lynn G. Dressler, Julie A. Johnson, Teri E. Klein, J. Steven Leeder, Micheline Piquette‐Miller, Minoli A. Perera, Laura J. Rasmussen‐Torvik, Heidi L. Rehm, Marylyn D. Ritchie, Todd C. Skaar, Nikhil Wagle, Richard M. Weinshilboum, Kristin Weitzel, Robert S. Wildin, John T. Wilson, Teri A. Manolio, Mary V. Relling

Notice bibliographique

RevueClinical Pharmacology & Therapeutics · 2018
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesU.S. National Library of MedicineNational Institute of General Medical SciencesNational Cancer InstituteNational Human Genome Research Institute
Mots-clésPharmacogenomicsHarmPrecision medicineMatching (statistics)DosingMedicinePharmacogeneticsIntensive care medicineComputer scienceData sciencePharmacologyPsychologyBiology

Résumé

récupéré en direct d'OpenAlex

Response to a drug often differs widely among individual patients. This variability is frequently observed not only with respect to effective responses but also with adverse drug reactions. Matching patients to the drugs that are most likely to be effective and least likely to cause harm is the goal of effective therapeutics. Pharmacogenomics (PGx) holds the promise of precision medicine through elucidating the genetic determinants responsible for pharmacological outcomes and using them to guide drug selection and dosing. Here we survey the US landscape of research programs in PGx implementation, review current advances and clinical applications of PGx, summarize the obstacles that have hindered PGx implementation, and identify the critical knowledge gaps and possible studies needed to help to address them.

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)0,023
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesIntégrité 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 enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0230,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,004
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0020,005
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 Opus0,835
Tête enseignante GPT0,722
Écart entre enseignants0,113 · 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

Citations130
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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