An Integrated Clinical and Genetic Prediction Model for Tacrolimus Levels in Pediatric Solid Organ Transplant Recipients
Notice bibliographique
Résumé
BACKGROUND: There are challenges in achieving and maintaining therapeutic tacrolimus levels after solid organ transplantation (SOT). The purpose of this genome-wide association study was to generate an integrated clinical and genetic prediction model for tacrolimus levels in pediatric SOT. METHODS: In a multicenter prospective observational cohort study (2015-2018), children <18 years old at their first SOT receiving tacrolimus as maintenance immunosuppression were included (455 as discovery cohort; 322 as validation cohort). Genotyping was performed using a genome-wide single nucleotide polymorphism (SNP) array and analyzed for association with tacrolimus trough levels during 1-y follow-up. RESULTS: Genome-wide association study adjusted for clinical factors identified 25 SNPs associated with tacrolimus levels; 8 were significant at a genome-wide level (P < 1.025 × 10-7). Nineteen SNPs were replicated in the validation cohort. After removing SNPs in strong linkage disequilibrium, 14 SNPs remained independently associated with tacrolimus levels. Both traditional and machine learning approaches selected organ type, age at transplant, rs776746, rs12333983, and rs12957142 SNPs as the top predictor variables for dose-adjusted 36- to 48-h posttacrolimus initiation (T1) levels. There was a significant interaction between age and organ type with rs776476*1 SNP (P < 0.05). The combined clinical and genetic model had lower prediction error and explained 30% of the variation in dose-adjusted T1 levels compared with 18% by the clinical and 12% by the genetic only model. CONCLUSIONS: Our study highlights the importance of incorporating age, organ type, and genotype in predicting tacrolimus levels and lays the groundwork for developing an individualized age and organ-specific genotype-guided tacrolimus dosing algorithm.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».