Tools for optimising pharmacotherapy in psychiatry (therapeutic drug monitoring, molecular brain imaging and pharmacogenetic tests): focus on antidepressants
Notice bibliographique
Résumé
Objectives: More than 40 drugs are available to treat affective disorders.Individual selection of the optimal drug and dose is required to attain the highest possible efficacy and acceptable tolerability for every patient.Methods: This review, which includes more than 500 articles selected by 30 experts, combines relevant knowledge on studies investigating the pharmacokinetics, pharmacodynamics and pharmacogenetics of 33 antidepressant drugs and of 4 drugs approved for augmentation in cases of insufficient response to antidepressant monotherapy.Such studies typically measure drug concentrations in blood (i.e.therapeutic drug monitoring) and genotype relevant genetic polymorphisms of enzymes, transporters or receptors involved in drug metabolism or mechanism of action.Imaging studies, primarily positron emission tomography that relates drug concentrations in blood and radioligand binding, are considered to quantify target structure occupancy by the antidepressant drugs in vivo.Results: Evidence is given that in vivo imaging, therapeutic drug monitoring and genotyping and/or phenotyping of drug metabolising enzymes should be an integral part in the development of any new antidepressant drug.Conclusions: To guide antidepressant drug therapy in everyday practice, there are multiple indications such as uncertain adherence, polypharmacy, nonresponse and/or adverse reactions under therapeutically recommended doses, where therapeutic drug monitoring and cytochrome P450 genotyping and/or phenotyping should be applied as valid tools of precision medicine.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».