Evidence level for pharmacogenetic testing in antidepressant treatment: a systematic review
Notice bibliographique
Résumé
RATIONALE: Preemptive pharmacogenetic (PGx) testing offers a promising approach to personalized antidepressant treatment by identifying genetic variations influencing drug metabolism. By focusing on CYP2D6 and CYP2C19 genes, this strategy aims to improve treatment response, minimize adverse effects, and optimize dosing in patients with depression. OBJECTIVES AND METHODS: This systematic review evaluates the effectiveness of preemptive PGx testing, primarily for CYP2D6 and CYP2C19, in enhancing antidepressant treatment outcomes. A comprehensive search of databases, including PubMed and Embase, was conducted to identify relevant studies. The review included randomized controlled trials and meta-analyses that assessed PGx testing in relation to treatment response and remission. Data on clinical outcomes were extracted and analyzed. RESULTS: PGx testing led to improved antidepressant response rates and remission at 8- and 12-week follow-ups compared to treatment-as-usual (TAU). However, where data were available, benefits were less pronounced after six months of follow-up. The findings suggest that PGx testing plays an important role in achieving earlier remission, while TAU requires a longer time to achieve remission. CONCLUSION: Preemptive pharmacogenetic testing for CYP2D6 and CYP2C19 could enhance early antidepressant treatment outcomes, offering a valuable tool for personalized medicine. Further research is required to explore implementation challenges in diverse clinical settings.
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 | 0,010 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,001 |
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 ».