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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».