Longitudinal exposure of English primary care patients to pharmacogenomic drugs: An analysis to inform design of pre‐emptive pharmacogenomic testing
Notice bibliographique
Résumé
AIMS: To investigate the longitudinal exposure of English primary care patients to pharmacogenomic drugs to inform design of pre-emptive testing. METHODS: Sixty-three drugs were identified with dosing guidelines based on variants of 19 pharmacogenes in the Pharmacogenomics Knowledgebase on 01 September 2018. Prescribing of these pharmacogenomic drugs between 1993 and 2017 was summarised for a sample of 648 141 English patients aged 50-99 years on 01 January 2013, registered with Clinical Practice Research Datalink practices during 2011-12. Exposure of patients to pharmacogenomic drugs retrospectively (2, 10, 20 y) and prospectively (5 y) was described. RESULTS: During 2011-12, 58% of patients were prescribed at least 1 pharmacogenomic drug, increasing to 80% over the previous 20 years. Multiple exposure was common, with 47% patients prescribed ≥2 pharmacogenomic drugs and 7% prescribed ≥5 pharmacogenomic drugs over the next 5 years. The likelihood of exposure to pharmacogenomic drugs increased with age, with 89% patients ≥70 years prescribed at least 1 pharmacogenomic drug over the previous 20 years. Even among those aged 50-59 years, 71% were prescribed at least 1 pharmacogenomic drug over the previous 20 years. The pharmacogenomic drugs prescribed to the most patients were for pain relief, gastroprotection, psychiatric and cardiovascular conditions. Three pharmacogenes (CYP2D6, CYP2C19 and SLCO1B1) accounted for >95% pharmacogenomic drugs prescribed. CONCLUSIONS: In primary care patients, exposure to pharmacogenomic drugs is extremely common, multiplicitous and has commenced by relatively early adulthood. A small number of pharmacogenes account for the majority of drugs prescribed. These findings could inform design of pre-emptive pharmacogenomic testing for implementation in primary care.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».