Pharmacogenomics at the Point of Care: A Community Pharmacy Project in British Columbia
Notice bibliographique
Résumé
In this study 180 patients were consented and enrolled for pharmacogenomic testing based on current antidepressant/antipsychotic usage. Samples from patients were genotyped by PCR, MassArray, and targeted next generation sequencing. We also conducted a quantitative, frequency-based analysis of participants' perceptions using simple surveys. Pharmacogenomic information, including medication changes and altered dosing recommendations were returned to the pharmacists and used to direct patient therapy. Overwhelmingly, patients perceived pharmacists/pharmacies as an appropriate healthcare provider to deliver pharmacogenomic services. In total, 81 medication changes in 33 unique patients, representing 22% of all genotyped participants were recorded. We performed a simple drug cost analysis and found that medication adjustments and dosing changes across the entire cohort added $24.15CAD per patient per year for those that required an adjustment. Comparing different platforms, we uncovered a small number, 1.7%, of genotype discrepancies. We conclude that: (1). Pharmacists are competent providers of pharmacogenomic services. (2). The potential reduction in adverse drug responses and optimization of drug selection and dosing comes at a minimal cost to the health care system. (3). Changes in drug therapy, based on PGx tests, result in inconsequential changes in annual drug therapy cost with small cost increases just as likely as costs savings. (4). Pharmacogenomic services offered by pharmacists are ready for wide commercial implementation.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».