Impact of pharmacogenomics on clinical outcomes in major depressive disorder in the GUIDED trial: A large, patient- and rater-blinded, randomized, controlled study
Notice bibliographique
Résumé
Current prescribing practices for major depressive disorder (MDD) produce limited treatment success. Although pharmacogenomics may improve outcomes by identifying genetically inappropriate medications, studies to date were limited in scope. Outpatients (N = 1167) diagnosed with MDD and with a patient- or clinician-reported inadequate response to at least one antidepressant were enrolled in the Genomics Used to Improve DEpression Decisions (GUIDED) trial - a rater- and patient-blind randomized controlled trial. Patients were randomized to treatment as usual (TAU) or a pharmacogenomics-guided intervention arm in which clinicians had access to a pharmacogenomic test report to inform medication selections (guided-care). Medications were considered congruent ('use as directed' or 'use with caution' test categories) or incongruent ('use with increased caution and with more frequent monitoring' test category) with test results. Unblinding occurred after week 8. Primary outcome was symptom improvement [change in 17-item Hamilton Depression Rating Scale (HAM-D17)] at week 8; secondary outcomes were response (≥50% decrease in HAM-D17) and remission (HAM-D17 ≤ 7) at week 8. At week 8, symptom improvement for guided-care was not significantly different than TAU (27.2% versus 24.4%, p = 0.107); however, improvements in response (26.0% versus 19.9%, p = 0.013) and remission (15.3% versus 10.1%, p = 0.007) were statistically significant. Patients taking incongruent medications prior to baseline who switched to congruent medications by week 8 experienced greater symptom improvement (33.5% versus 21.1%, p = 0.002), response (28.5% versus 16.7%, p = 0.036), and remission (21.5% versus 8.5%, p = 0.007) compared to those remaining incongruent. Pharmacogenomic testing did not significantly improve mean symptoms but did significantly improve response and remission rates for difficult-to-treat depression patients over standard of care (ClinicalTrials.gov NCT02109939).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».