Clozapine and pharmacogenomics testing: opportunities and challenges for personalized treatment in schizophrenia
Notice bibliographique
Résumé
Clozapine remains the gold standard for treatment-resistant schizophrenia (TRS), offering unparalleled efficacy but accompanied by significant interindividual variability in response and risk of severe adverse effects. Pharmacogenomics (PGx), the study of how genetic variations influence drug response, has transformed treatment for other medications like warfarin but remains underutilized in clozapine prescribing. This review synthesizes current evidence on the potential of PGx to enhance clozapine treatment by improving the prediction of therapeutic response, metabolism, and adverse drug reactions. Key genetic markers, such as variants in serotonin receptor genes (e.g., HTR2A and HTR3A), metabolism-related enzymes (CYP1A2), and immune-related genes (HLA-DQB1 and HLA-B * 59:01), show promise in guiding personalized clozapine prescribing. However, economic, educational, and systemic challenges, particularly in Canada, hinder broader implementation. PGx testing in psychiatry is available but lacks standardization in cost, accessibility, and test panels. Additionally, PGx research remains Eurocentric, with limited data on Indigenous and diverse populations. In Canada, initiatives like Go-PGx reflect growing national interest, but mental health applications remain minimal. Bridging research with practice through inclusive research, clinician education, artificial intelligence and machine learning, and cost-effectiveness analyses may help unlock PGx’s full potential for over 200 000 Canadians living with schizophrenia.
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 | 0,012 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».