Genetic polymorphism and risk of anti-tuberculosis drug-induced liver injury (AT-DILI): a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Anti-tuberculosis (TB) drugs like isoniazid and rifampin can cause hepatotoxicity leading to treatment termination. Although Genome-wide association studies (GWAS) have identified variants linked to the risk of developing anti-tuberculosis drug-induced liver injury (AT-DILI), findings remain inconsistent. This study aimed to systematically summarise previous observational studies and assess the association between genetic polymorphisms and AT-DILI risk in adults. We conducted a comprehensive search of PubMed, EMBASE, and Cochrane Libraries until January 10, 2023. The Newcastle-Ottawa Scale checklist was used to assess the methodological quality of the included studies. Pooled odds ratios (OR) with 95% confidence intervals (CIs) were employed using a random-effect model with the I 2 statistic to estimate the heterogeneity of results. Our study included 10 studies (n=3,322) of Asian ancestry. We identified genetic variants in drug-metabolizing enzymes, including NAT2, CYP2E1, and PXR, linked to AT-DILI risk. CYP2E1 C1/C1 and slow acetylators of NAT2*6A/6A, NAT26A/7B, NAT27B/7B, and NAT25B/7B genotypes were associated with increased risk, while rapid acetylators of NAT24/4 and NAT24/7B were linked to decreased risk. No significant association was found between CYP2E1B C1/C2, NAT2(*4/*6A, *4/*5B, *5B/*5B) and PXR with AT-DILI risk. This study revealed that NAT2 slow acetylator genotypes or CYP2E1 C1/C1 are causally linked to AT-DILI risk. The findings suggest that genetic variants in drug-metabolizing enzymes regulated by NAT2 and CYP2E1 are involved in developing drug-induced liver injury in users of anti-TB drugs.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».