MétaCan
Menu
Retour à la cohorte
Enregistrement W2944956458 · doi:10.1002/cpt.1496

Modulation of <scp>CYP</scp>450 Activities in Patients With Type 2 Diabetes

2019· article· en· W2944956458 sur OpenAlexafffund
Sophie Gravel, Jean‐Louis Chiasson, Jacques Turgeon, Alexia Grangeon, Véronique Michaud

Notice bibliographique

RevueClinical Pharmacology & Therapeutics · 2019
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésTolbutamideCYP2B6CYP2C19CYP1A2ChlorzoxazoneType 2 diabetesPharmacologyCYP3ACYP2D6CYP2C9MedicineDiabetes mellitusCYP2E1Internal medicineDextromethorphanCytochrome P450EndocrinologyMetabolism

Résumé

récupéré en direct d'OpenAlex

We conducted a comprehensive in vivo study evaluating the influence of type 2 diabetes (T2D) on major cytochrome P450 (CYP450) activities. These activities were assessed in 38 T2D and 35 non-T2D subjects after a single oral administration of a cocktail of probe drugs: 100 mg caffeine (CYP1A2), 100 mg bupropion (CYP2B6), 250 mg tolbutamide (CYP2C9), 20 mg omeprazole (CYP2C19), 30 mg dextromethorphan (CYP2D6), 2 mg midazolam (CYP3As), and 250 mg chlorzoxazone (alone; CYP2E1). Mean metabolic activity for CYP2C19, CYP2B6, and CYP3A was decreased in subjects with T2D by about 46%, 45%, and 38% (P < 0.01), respectively. CYP1A2 and CYP2C9 activities seemed slightly increased in subjects with diabetes, and no difference was observed for CYP2D6 or CYP2E1 activities. Several covariables, such as inflammatory markers (interleukin (IL)-1ß, IL-6, gamma interferon, and tumor necrosis factor alpha), genotypes, and diabetes-related and demographic-related factors were considered in our analyses. Our results indicate that low chronic inflammatory status associated with T2D modulates CYP450 activities in an isoform-specific manner.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,098
Tête enseignante GPT0,436
Écart entre enseignants0,338 · 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'étudeObservationnel
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

Citations83
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

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