Pharmacogenetic Testing in Treatment-resistant Panic Disorder: a Preliminary Analysis
Notice bibliographique
Résumé
Background Many pharmacological treatments are considered effective in the treatment of panic disorder (PD), however, about 20 to 40% of the patients have treatment-resistant PD. Pharmacogenetics could explain why some patients are treatment-resistant. Objective Our objective was to gather preliminary data on the clinical usefulness of pharmacogenetic testing in this disorder. Methods Twenty patients with treatment-resistant PD were included in this observational study and submitted to commercial pharmacogenetic testing. Testing panel included gene polymorphisms related to CYP, genes EPHX1, UGT1A4, UGT2B15, ABCB1, ADRA2A, ANKK1, COMT, DRD2, FKBP5, GRIK4, GSK3B, HTR1A, HTR2A, HTR2C, MC4R, OPRM1, SCN1A, SLC6A4 and MTHFR. Participants received treatment-as-usual for PD before being enrolled in this study, including first-line and second-line medications for PD. Results In 30% of the patients, the tests indicated reduced chance of response to the prescribed drug, while they indicated very low serum levels of the prescribed drug in 20% of the subjects. The pharmacogenetic tests predicted reduction of MTHFR enzyme activity in 74% of the patients. ABCB1 gene alleles associated to drug resistance were found in 90% of the samples. Conclusion Commercial pharmacogenetic testing failed to predict negative treatment outcome in most patients with PD. The association between treatment-resistance in PD and the genes CYP2C19, MTHFR and ABCB1 deserves further study.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».