Frequencies of <i>CYP2C19</i> and <i>CYP2D6</i> gene variants in a German inpatient sample with mood and anxiety disorders
Notice bibliographique
Résumé
Objectives: Previous results demonstrated that CYP2D6 and CYP2C19 gene variants affect serum concentrations of antidepressants. We implemented a PGx service determining gene variants in CYP2D6 and CYP2C19 in our clinical routine care and report on our first patient cohort.Methods: We analyzed CYP2D6 and CYP2C19 allele, genotype, and phenotype frequencies, and actionable pharmacogenetic variants in this German psychiatric inpatient cohort. Two-tailed z-test was used to investigate for differences in CYP2D6 and CYP2C19 phenotypes and actionable/non-actionable genetic variant frequencies between our cohort and reference cohorts.Results: Out of the 154 patients included, 44.8% of patients were classified as CYP2D6 normal metabolizer, 38.3% as intermediate metabolizers, 8.4% as poor metabolizers, and 2.6% as ultrarapid metabolizers. As for CYP2C19, 40.9% of patients were classified as normal metabolizers, 19.5% as intermediate metabolizers, 2.6% as poor metabolizers, 31.2% as rapid metabolizers, and 5.8% as ultrarapid metabolizers. Approximately 80% of patients had at least one actionable PGx variant.Conclusion: There is a high prevalence of actionable PGx variants in psychiatric inpatients which may affect treatment response. Physicians should refer to PGx-informed dosing guidelines in carriers of these variants. Pre-emptive PGx testing in general may facilitate precision medicine also for other drugs metabolized by CYP2D6 and/or CYP2C19.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 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 ».