MétaCan
Menu
Retour à la cohorte
Enregistrement W4210399537 · doi:10.1111/liv.15175

Patient‐specific genetic factors predict treatment failure in sofosbuvir‐treated patients with chronic hepatitis C

2022· article· en· W4210399537 sur OpenAlexaffabout
Catrina M. Loucks, Jennifer J. Lin, Jessica N. Trueman, Britt I. Drögemöller, Galen E.B. Wright, Wan‐Chun Chang, Kathy H. Li, Eric M. Yoshida, Jo‐Ann Ford, Samuel S. Lee, Pam Crotty, Richard B. Kim, Bandar Al‐Judaibi, Ute I. Schwarz, Alnoor Ramji, Jeanette F. Farivar, Edward Tam, Lori Lee Walston, Colin J.D. Ross, Bruce Carleton

Notice bibliographique

RevueLiver International · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatitis C virus research
Établissements canadiensCanadian Society of Intestinal ResearchUniversity of CalgaryWestern UniversityUniversity of ManitobaBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSofosbuvirMedicineOdds ratioInternal medicineConfidence intervalHepatitis C virusPegylated interferonPharmacogenomicsVirusImmunologyRibavirinPharmacology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND & AIMS: According to pivotal clinical trials, cure rates for sofosbuvir-based antiviral therapy exceed 96%. Treatment failure is usually assumed to be because of virological resistance-associated substitutions or clinical risk factors, yet the role of patient-specific genetic factors has not been well explored. We determined if patient-specific genetic factors help predict patients likely to fail sofosbuvir treatment in real-world treatment situations. METHODS: We recruited sofosbuvir-treated patients with chronic hepatitis C from five Canadian treatment sites, and performed a case-control pharmacogenomics study assessing both previously published and novel genetic polymorphisms. Specifically studied were variants predicted to impair CES1-dependent production of sofosbuvir's active metabolite, interferon-λ signalling variants expected to impact a patient's immune response to the virus and an HLA variant associated with increased spontaneous and treatment-induced viral clearance. RESULTS: Three hundred and fifty-nine sofosbuvir-treated patients were available for analyses after exclusions, with 34 (9.5%) failing treatment. We identified CES1 variants as novel predictors for treatment failure in European patients (rs115629050 or rs4513095; odds ratio (OR): 5.43; 95% confidence interval (CI): 1.64-18.01; P = .0057), replicated associations with IFNL4 variants predicted to increase interferon-λ signalling (eg rs12979860; OR: 2.25; 95% CI: 1.25-4.06; P = .0071) and discovered a novel association with a coding variant predicted to enhance the activity of IFNL4's receptor (rs2834167 in IL10RB; OR: 1.81; 95% CI: 1.01-3.24; P = .047). CONCLUSIONS: Ultimately, this work demonstrates that patient-specific genetic factors could be used as a tool to identify patients at higher risk of treatment failure and allow for these patients to receive effective therapy sooner.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLiver InternationalMême sujetHepatitis C virus researchTravaux en français237 207