The Association between Genetic Polymorphisms and Simvastatin-Induced Myopathy: A Narrative Synthesis of Evidence
Notice bibliographique
Résumé
BACKGROUND AND STUDY AIM: Genetic polymorphisms may play a role in muscular injury associated with simvastatin, but results were inconclusive. This study aimed to summarize evidence from the literature investigating the effects of genetic polymorphism on simvastatin-induced myopathy. METHODS: Studies regarding the association between genetic polymorphisms and simvastatin-induced myopathy were retrieved through electronic databases from February 1, 1990 to March 15, 2018. Two authors independently extracted data, including PMID, author, publication year, country, race, age, population characteristics, drugs, definition of case and control, gene, allele, SNP position, Hardy-Weinberg equilibrium, number of genotypes (case and control), minor allele frequency of cases and controls, association, study type and the Newcastle-Ottawa scale. Due to high heterogeneity in study design and outcome measurements among the included articles, a narrative synthesis of the evidence was conducted. RESULTS: A total of 10 association studies were identified in this study, including SLCO1B1, ABCB1, GATM, HTR3B, HTR7, RYR2 and HLA-DRB1. The evidence linking myopathy to rs4149056 in SLCO1B1 is of high quality, and this association has been reproduced in randomized trials and clinical practice-based cohorts. As for other candidate genetic markers, the evidences are limited or controversial, and additional well-designed studies with larger sample sizes, are required to further elucidate this association. CONCLUSION: SLCO1B1 genotype is a useful biomarker for predicting an increased risk of simvastatin-induced myopathy.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».