Pharmacogenomics in primary care: a quality improvement project at Alconbury and Brampton surgeries 2019–2023
Notice bibliographique
Résumé
BACKGROUND: Treatment of depression is common in primary care but not every antidepressant is effective in every patient. Adverse drug reactions are common, imposing a substantial burden on the patient and the NHS. Pharmacogenomics (PGx) utilises an individual's genetic makeup to predict their response to medications. By tailoring prescriptions to a person's genetic profile, PGx can significantly reduce adverse drug reactions, identify non-responders to medications, and enhance overall patient outcomes. AIM: To see if PGx testing for antidepressants can be undertaken in general practice as part of 'usual care'; to increase GP and patient awareness of PGx testing; to alter patient treatment according to the results of testing; and to sustain these changes at 4 years. METHOD: In 2019, 23 patients were recruited by GPs at the surgery. They consented and had cheek swabs to check their genetic profile to common antidepressants. Results were reviewed at 1 week by the GP and patient, treatment changes made and reviewed again at 4 years. RESULTS: On the CYP2D pathway, 19/23 patients were extensive (normal) metabolisers, one intermediate and two poor. These two had their treatments changed. At 4-year review 19/23 were on appropriate treatment (two had been stopped) but two had inappropriate drug treatment. On CYP2C19 pathway, 10/23 were normal metabolisers, eight intermediate, zero poor but five ultrarapid (they had their treatment changed). At 4-year review, 20/23 were on appropriate treatment (two stopped) and one inappropriate. CONCLUSION: PGx testing works in primary care, improving patient outcomes sustainably.
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 | 0,023 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».