Clinical Pharmacogenetics Implementation Consortium (CPIC) Guideline for <i>CYP2D6</i>, <i>CYP2C19</i>, <i>CYP2B6</i>, <i>SLC6A4</i>, and <i>HTR2A</i> Genotypes and Serotonin Reuptake Inhibitor Antidepressants
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Serotonin reuptake inhibitor antidepressants, including selective serotonin reuptake inhibitors (SSRIs; i.e., citalopram, escitalopram, fluoxetine, fluvoxamine, paroxetine, and sertraline), serotonin and norepinephrine reuptake inhibitors (i.e., desvenlafaxine, duloxetine, levomilnacipran, milnacipran, and venlafaxine), and serotonin modulators with SSRI-like properties (i.e., vilazodone and vortioxetine) are primary pharmacologic treatments for major depressive and anxiety disorders. Genetic variation in CYP2D6, CYP2C19, and CYP2B6 influences the metabolism of many of these antidepressants, which may potentially affect dosing, efficacy, and tolerability. In addition, the pharmacodynamic genes SLC6A4 (serotonin transporter) and HTR2A (serotonin-2A receptor) have been examined in relation to efficacy and side effect profiles of these drugs. This guideline updates and expands the 2015 Clinical Pharmacogenetics Implementation Consortium (CPIC) guideline for CYP2D6 and CYP2C19 genotypes and SSRI dosing and summarizes the impact of CYP2D6, CYP2C19, CYP2B6, SLC6A4, and HTR2A genotypes on antidepressant dosing, efficacy, and tolerability. We provide recommendations for using CYP2D6, CYP2C19, and CYP2B6 genotype results to help inform prescribing these antidepressants and describe the existing data for SLC6A4 and HTR2A, which do not support their clinical use in antidepressant prescribing.
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.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle