Pharmacogenomic Characterization of Childbearing-Aged Individuals With Mood Disorders in a Tertiary Care Perinatal Mental Health Clinic
Notice bibliographique
Résumé
The effectiveness of antidepressant treatment for mood disorders is often limited by either a poor response or the emergence of adverse effects. These complications often necessitate multiple drug trials. This clinical challenge intensifies during pregnancy, when medications must be selected to improve the likelihood of response and optimize reproductive outcomes. We determined the distribution of common pharmacogenetic variants, metabolizer phenotypes, past medication responses, and side effects in childbearing-aged individuals seeking treatment in a tertiary care perinatal mental health clinic. defined bipolar disorder (n = 28) or major depressive disorder (n = 32) provided DNA samples and completed psychiatric diagnostic and severity assessments between April 2014 and December 2017. Samples were genotyped for single-nucleotide variants in drug metabolizing enzyme genes of commonly prescribed antidepressants (cytochrome P450 [CYP] 1A2, 2B6, 2C9, 2C19, 2D6, 3A4, and 3A5), and the frequency of normative metabolizer status was compared to reference populations data from Clinical Pharmacogenetics Implementation Consortium (CPIC) guidelines. The Antidepressant Treatment History Form was used to record historic medication trials and side effects. value = .045). No significant association was found between metabolizer phenotype and the likelihood of a medication side effect. Pharmacogenomic testing may have value for personalized prescribing in individuals capable of or considering pregnancy.
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 | 0,002 |
| 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 | 0,001 | 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 ».