Genome-wide association study of antidepressant treatment resistance in a population-based cohort using health service prescription data and meta-analysis with GENDEP
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.
Notice bibliographique
Résumé
Antidepressants demonstrate modest response rates in the treatment of major depressive disorder (MDD). Despite previous genome-wide association studies (GWAS) of antidepressant treatment response, the underlying genetic factors are unknown. Using prescription data in a population and family-based cohort (Generation Scotland: Scottish Family Health Study; GS:SFHS), we sought to define a measure of (a) antidepressant treatment resistance and (b) stages of antidepressant resistance by inferring antidepressant switching as non-response to treatment. GWAS were conducted separately for antidepressant treatment resistance in GS:SFHS and the Genome-based Therapeutic Drugs for Depression (GENDEP) study and then meta-analysed (meta-analysis n = 4213, cases = 358). For stages of antidepressant resistance, a GWAS on GS:SFHS only was performed (n = 3452). Additionally, we conducted gene-set enrichment, polygenic risk scoring (PRS) and genetic correlation analysis. We did not identify any significant loci, genes or gene sets associated with antidepressant treatment resistance or stages of resistance. Significant positive genetic correlations of antidepressant treatment resistance and stages of resistance with neuroticism, psychological distress, schizotypy and mood disorder traits were identified. These findings suggest that larger sample sizes are needed to identify the genetic architecture of antidepressant treatment response, and that population-based observational studies may provide a tractable approach to achieving the necessary statistical power.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 découle