<i>HLA-B*58:01</i> Genotyping to Prevent Cases of DRESS and SJS/TEN in East Asians Treated with Allopurinol—A Canadian Missed Opportunity
Notice bibliographique
Résumé
Background and objective East Asians exposed to the urate-lowering drug allopurinol have a predilection for severe cutaneous drug reactions such as drug-induced hypersensitivity syndrome or drug reaction with eosinophilia and systemic symptoms (DRESS) and Stevens-Johnson syndrome/toxic epidermal necrolysis (SJS/TEN). Screening is recommended in patients of East Asian descent for the presence of HLA-B*58:01 prior to allopurinol initiation to avoid these complications. Utilization rates of the HLA-B*58:01 predictive screening test within the Greater Vancouver area, which has a population composed of 40.1% people of East Asian descent, are unknown. Measures We identified cases of DRESS or SJS/TEN due to allopurinol using the Vancouver General Hospital dermatology consult service database. We next compared the frequency in which the HLA-B*58:01 screening test was ordered since 2012 to the estimated frequency of new prescriptions for allopurinol prescribed for the management of gout among the East Asians. Results We report 5 cases of East Asian patients exposed to allopurinol for management of gout between 2012 and 2016, who developed DRESS (4 patients) or SJS/TEN (1 patient). All were of HLA-B*58:01 genotype, representing preventable cases. The HLA-B*58:01 test was ordered 6 times in 2012, whereas the estimated number of new cases of allopurinol-prescribed gout among patients of East Asian descent during that time period was 13. For 2012, testing was ordered for only 46% of at-risk patients. Conclusion We continue to observe cases of severe cutaneous drug reactions among high-risk individuals due to allopurinol exposure. The HLA-B*58:01 screening test for allopurinol hypersensitivity is underutilized in our geographic area.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».