MétaCan
Menu
← Retour à la cohorte
Enregistrement W7163132718 · doi:10.5281/zenodo.20507805

Pharmacogenomics in Clinical Pharmacy

2025· book-chapter· W7163132718 sur OpenAlexaboutno aff
Irshad Pasha B

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typebook-chapter
Langue
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPharmacogenomicsPharmacogeneticsPharmacyAccreditationPrecision medicineClinical pharmacyPersonalized medicinePopulation

Résumé

récupéré en direct d'OpenAlex

Pharmacogenomics [PGx] is a part of individualized treatment or the personalized treatment regimen on the basis of intra and inter individual variability of population parameters such as genetics, environmental factors, diet, lifestyle and comorbidities etc. towards drug response. Which enables tailoring the therapy for better treatment efficacy and reduced toxicity issues especially with Narrow therapeutic indexed drugs. Nowadays the PGx is widely used across the world, where Human genome project and its completion enabled the understanding and use the of the PGx parameters from drug molecule designing to till elimination of the drug from the body and for clinical judgement towards precision Pharmacotherapy. Recently PGx was also included in the accreditation standards of both the Canadian Council for Accreditation of Pharmacy Programs and the Accreditation Council for Pharmacy Education, USA as well as in the American Society of Health-System Pharmacists. The PGx plays a major role in clinical Pharmacy in terms of optimizing the dose, identification of potential drug-drug interactions, minimizing the toxicity and understanding the pharmacokinetics and pharmacodynamics of the drugs such as Dihydropyrimidine dehydrogenase (DPYD) gene for 5-Fluorouracil (5-FU), CYP2C19-clopidogrel, CYP2C9/VKORC1-warfarin and CYP2D6-opioids and mainly cost effectiveness and cost saving of PGx testing which are listed in the Pharmacogenomics knowledge database (PharmGKB) and Clinical Pharmacogenetics Implementation Consortium (CPIC) database. How ever the barriers to implementation includes the knowledge gaps, cost considerations, and a lack of guidelines and evidence. Therefore, PGx implementation in clinical pharmacy poses a positive attitude towards evidence-based medicine and decision making in all scenarios where the drugs optimization highlighting the importance of Clinical Pharmacologist in Healthcare Professional team in future days.

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)0,015
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,041
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0010,007
Communication savante0,0110,009
Science ouverte0,0020,006
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,0300,012

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 Opus0,208
Tête enseignante GPT0,437
Écart entre enseignants0,229 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetPharmacogenetics and Drug Metabolism→Travaux en français237 207→