MétaCan
Menu
Retour à la cohorte
Enregistrement W4405476348 · doi:10.1002/cpt.3534

Prevalence Estimates of Cytochrome <scp>P450</scp> Phenoconversion in Youth Receiving Pharmacotherapy for Mental Health Conditions

2024· article· en· W4405476348 sur OpenAlexaff
S. Craig Gerlach, Abdullah Al Maruf, Sarker M. Shaheen, Ryden McCloud, Madison Heintz, Laina McAusland, Paul Arnold, Chad Bousman

Notice bibliographique

RevueClinical Pharmacology & Therapeutics · 2024
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensAlberta Children's HospitalUniversity of ManitobaChildren's Hospital Research Institute of ManitobaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCYP2C19PharmacogeneticsMedicinePharmacotherapyCYP2D6CYP2B6PharmacologyCYP3A4Internal medicineCytochrome P450GenotypeBiologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Pharmacogenetics-predicted drug metabolism may not match clinically observed metabolism due to a phenomenon known as phenoconversion. Phenoconversion can occur when an inhibitor or inducer of a drug-metabolizing enzyme is present. Although estimates of phenoconversion in adult populations are available, prevalence estimates in youth populations are limited. To address this gap, we estimated the prevalence of phenoconversion in 1281 youth (6-24 years) receiving pharmacotherapy for mental health conditions and who had pharmacogenetics testing completed for four genes (CYP2B6, CYP2C19, CYP2D6, CYP3A4). Self-reported medication and cannabidiol/cannabis use were collected at the time of pharmacogenetics testing. Nearly, half (46%) of the cohort was estimated to be phenoconverted for one of the four genes examined. Comparison of metabolizer phenotype frequencies before and after adjustment for phenoconversion showed significantly more youth had actionable phenotypes for CYP2C19 (60.3% vs. 69.1%; P =< 0.001), CYP2D6 (49.3% vs. 63.0%; P =< 0.001), and CYP3A4 (8.5% vs.12.2%; P = 0.003) after phenoconversion adjustment. Of youth who were phenoconverted, 24% had a change in their metabolizer phenotype that would lead to current pharmacogenetics-based prescribing guidelines recommending a change to standard prescribing (dose adjustment, alternative medication). Our findings indicate a high prevalence of cytochrome P450 phenoconversion among youth receiving pharmacotherapy for mental health conditions. Adjustment for phenoconversion should be considered when implementing pharmacogenetics testing in youth populations to improve the clinical utility of this testing in practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,215
Tête enseignante GPT0,532
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Pharmacology & TherapeuticsMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207