Pharmacogenetics‐Guided Advances in Antipsychotic Treatment
Notice bibliographique
Résumé
Pharmacogenetics (PGx) research over the past 2 decades has produced extensive evidence for the influence of genetic factors on the efficacy and tolerability of antipsychotic treatment. However, the application of these findings to optimize treatment outcomes for patients in clinical practice has been limited. This paper presents a meta-review of key PGx findings related to antipsychotic response and common adverse effects, including antipsychotic-induced weight gain, tardive dyskinesia (TD), and clozapine-induced agranulocytosis (CIAG), and highlights advances and challenges in clinical implementation. Most robust findings from candidate gene and genomewide association studies were reported for associations between polymorphisms in CYP2D6 and exposure and response to specific antipsychotics. As a result, product labels and guidelines from various PGx expert groups have provided selection and dosing recommendations based on CYP2D6 metabolizer phenotypes for commonly prescribed antipsychotics. Other interesting genetic targets include DRD2 for antipsychotic response, SLC18A2 for TD, and the human leukocyte antigen (HLA) genes, HLA-DQB1 and HLA-B, for CIAG. Well-designed studies using large, well-characterized samples that leverages international collaborations are needed to validate previous findings, as well as discover new genetic variants involved in antipsychotic response and adverse effects.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».