Implementation and Evaluation Strategies for Pharmacogenetic Testing in Hospital Settings: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Pharmacogenetic testing in clinical settings has improved the safety and efficacy of drug treatment. There is a growing number of studies evaluating pharmacogenetic implementation and identifying barriers and facilitators. However, no review has focused on bridging the gap between identifying barriers and facilitators of testing and the clinical strategies adopted in response. This review was conducted to understand the implementation and evaluation strategies of pharmacogenetic testing programs. METHODS: A PRISMA-compliant scoping review was conducted. The included studies discussed pharmacogenetic testing programs implemented in a hospital setting. Quantitative, qualitative, and mixed design methods were included. RESULTS: A total of 232 of the 7043 articles that described clinical pharmacogenetic programs were included. The most common specialties that described pharmacogenetic implementation were psychiatry (26%) and oncology (16%), although many studies described institutional programs implemented across multiple specialties (19%). Different specialties reported different clinical outcomes, but all reported similar program performance indicators, such as test uptake and the number of times the test recommendations were followed. There were benefits and drawbacks to delivering test results through research personnel, pharmacists, and electronic alerts, but active engagement of physicians was necessary for the incorporation of pharmacogenetic results into clinical decision making. CONCLUSIONS: Further research is required on the maintenance and sustainability of pharmacogenetic testing initiatives. These findings provide an overview of the implementation and evaluation strategies of different specialties that can be used to improve pharmacogenetic testing.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».