MétaCan
Menu
Retour à la cohorte
Enregistrement W4405948148 · doi:10.55627/pmc.002.02.0146

Escitalopram Use in Depression & the Influence of Genetic Variations on Its Safety & Efficacy

2022· article· en· W4405948148 sur OpenAlexaff
Tahreem Zaheer, Fatima Shahid, Pratima Chhetri

Notice bibliographique

RevuePrecision Medicine Communications · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensCanadian Heritage
Organismes subventionnairesnon disponible
Mots-clésEscitalopramDepression (economics)MedicinePsychologyPharmacologyPsychiatryAntidepressantAnxietyEconomics

Résumé

récupéré en direct d'OpenAlex

Major depressive disorder (MDD) is a common debilitating mental illness marked by sad feelings, depressed mood, and lack of interest in routine chores that persists daily or for a minimum of two weeks. Serotonin-norepinephrine inhibitors, selective serotonin reuptake inhibitors, tricyclic antidepressants, monoamine oxidase inhibitors, and atypical antidepressants are some of the common classes of drugs used for the treatment of MDD. Despite strenuous efforts by the researchers, hardly any new antidepressant agent has entered the market. Escitalopram, a highly selective serotonin reuptake inhibitor, is the drug of choice for the treatment of MDD. However, although escitalopram is one of the most frequently prescribed antidepressant agents, a large percentage of MDD patients show variable remission and response to escitalopram. Scientists spent decades finding the underlying mechanism responsible for the significant variations in drug response and incidence of adverse effects. These inter-individual variations in therapeutic response serve as a foundation for the inception of the pharmacogenomic. Pharmacogenomics is a field of research that expounds on the impact of gene variation on altered clinical outcomes of drugs. There has been substantial hope and potential that pharmacogenomics will ameliorate the current therapies for MDD and aid in finding novel targets for new drug discoveries. Currently, numerous candidate genes have been identified, implicated in changing drug response, whether at the receptor, transporter, or drug-metabolizing enzyme. In this review, we attempt to compile the studies on the genetic variations that have been found to be associated with escitalopram efficacy and adverse effects and briefly discuss the pathophysiology and currently available treatment options for MDD

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,143
Tête enseignante GPT0,398
Écart entre enseignants0,255 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePrecision Medicine CommunicationsMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207