Estimating the Frequency of False‐Negative Pharmacogenetic Test Results by Self‐Reported Ancestry
Notice bibliographique
Résumé
Concerns about the applicability of pharmacogenetic (PGx) testing across diverse ancestry groups have risen from the underrepresentation of non-European populations in PGx research. Current PGx panels may fail to detect relevant variants in non-European populations, increasing the likelihood of false-negative results. To investigate this, we assessed reference allele (*1) and genotype (*1/*1) frequencies by self-reported ancestry in a cohort of 1086 youth aged 6-24 years who underwent PGx testing. Testing included 10 pharmacogenes (CYP2B6, CYP2C19, CYP2C9, CYP2D6, CYP3A4, CYP3A5, NUDT15, SLCO1B1, TPMT, and VKORC1) using a panel covering all Association for Molecular Pathology Tier 1 alleles and 53% of Tier 2 alleles. Compared with Europeans (n = 727), non-Europeans (n = 359) had higher *1 allele frequencies for CYP2C9, CYP2D6, and CYP3A5 (all P < 0.01), while Europeans had higher frequencies for CYP2C19 and VKORC1 (all P < 0.01). Similarly, *1/*1 genotype frequencies were higher in non-Europeans for CYP2C9 and CYP3A4 (all P < 0.01), but higher in Europeans for VKORC1 (P < 0.01). False-negative estimates exceeded 1% for CYP2B6, CYP2D6, CYP2C9, CYP2C19, and SLCO1B1 in at least one ancestry group. These findings support the notion that *1 allele and *1/*1 genotype frequencies are more frequent in non-Europeans for specific genes, but Europeans are also at comparable risk for false-negative results. Expanded allele coverage on PGx panels could mitigate false-negative risks, improving equity in PGx testing across diverse populations.
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 | 0,043 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».