MétaCan
Menu
Retour à la cohorte
Enregistrement W3090949181 · doi:10.1146/annurev-pharmtox-030920-025745

Challenges and Opportunities in Implementing Pharmacogenetic Testing in Clinical Settings

2020· review· en· W3090949181 sur OpenAlexaff
Wan‐Chun Chang, Reo Tanoshima, Colin J.D. Ross, Bruce Carleton

Notice bibliographique

RevueThe Annual Review of Pharmacology and Toxicology · 2020
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesNational Institutes of Health
Mots-clésPharmacogeneticsMedicineGenetic testingDrugDrug responseIntensive care medicinePharmacologyBiologyGenotypeGeneticsInternal medicineGene

Résumé

récupéré en direct d'OpenAlex

The clinical implementation of pharmacogenetic biomarkers continues to grow as new genetic variants associated with drug outcomes are discovered and validated. The number of drug labels that contain pharmacogenetic information also continues to expand. Published, peer-reviewed clinical practice guidelines have also been developed to support the implementation of pharmacogenetic tests. Incorporating pharmacogenetic information into health care benefits patients as well as clinicians by improving drug safety and reducing empiricism in drug selection. Barriers to the implementation of pharmacogenetic testing remain. This review explores current pharmacogenetic implementation initiatives with a focus on the challenges of pharmacogenetic implementation and potential opportunities to overcome these challenges.

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)0,010
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,400
Tête enseignante GPT0,543
Écart entre enseignants0,143 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Annual Review of Pharmacology and ToxicologyMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207