Mechanisms of CYP450 Inhibition: Understanding Drug-Drug Interactions Due to Mechanism-Based Inhibition in Clinical Practice
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
In an ageing society, polypharmacy has become a major public health and economic issue. Overuse of medications, especially in patients with chronic diseases, carries major health risks. One common consequence of polypharmacy is the increased emergence of adverse drug events, mainly from drug-drug interactions. The majority of currently available drugs are metabolized by CYP450 enzymes. Interactions due to shared CYP450-mediated metabolic pathways for two or more drugs are frequent, especially through reversible or irreversible CYP450 inhibition. The magnitude of these interactions depends on several factors, including varying affinity and concentration of substrates, time delay between the administration of the drugs, and mechanisms of CYP450 inhibition. Various types of CYP450 inhibition (competitive, non-competitive, mechanism-based) have been observed clinically, and interactions of these types require a distinct clinical management strategy. This review focuses on mechanism-based inhibition, which occurs when a substrate forms a reactive intermediate, creating a stable enzyme-intermediate complex that irreversibly reduces enzyme activity. This type of inhibition can cause interactions with drugs such as omeprazole, paroxetine, macrolide antibiotics, or mirabegron. A good understanding of mechanism-based inhibition and proper clinical management is needed by clinicians when such drugs are prescribed. It is important to recognize mechanism-based inhibition since it cannot be prevented by separating the time of administration of the interacting drugs. Here, we provide a comprehensive overview of the different types of mechanism-based inhibition, along with illustrative examples of how mechanism-based inhibition might affect prescribing and clinical behaviors.
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 | 0,005 | 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 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle