New international guideline for clozapine titration based on ethnic origin, CRP value and clozapine serum concentration
Bibliographic record
Abstract
W ostatnim czasie opublikowano nowe wytyczne dotyczące leczenia klozapiną, lekiem niewątpliwie wyjątkowo skutecznym w przypadku schizofrenii lekoopornej.Niniejszy artykuł ma na celu przybliżenie opublikowanych wytycznych oraz aktualnych danych na ten temat polskim czytelnikom.Informacje dotyczące bezpieczeństwa stosowania klozapiny zawarte w charakterystyce produktu leczniczego oparte są na starych badaniach i wymagają aktualizacji.Nowe dane dotyczą częstości występowania określonego rodzaju ciężkich zdarzeń niepożądanych.Wskazują także na znaczenie pochodzenia etnicznego jako czynnika warunkującego szybkość metabolizmu klozapiny.Jednym ze sposobów skutecznego zapobiegania występowaniu powikłań leczenia klozapiną jest oznaczanie stężenia białka C-reaktywnego (CRP) oraz troponiny, traktowane jako dodatek do kontroli morfologii krwi.Autorzy zaleceń podkreślają także ogromną przydatność oznaczania stężenia klozapiny w surowicy w trakcie ustalania dawki docelowej.Mamy nadzieję, że niniejszy artykuł przyczyni się do aktualizacji wiedzy na temat klozapiny oraz pozwoli stosować zasady, które mogą w istotny sposób ograniczyć występowanie powikłań w trakcie terapii tym niezwykłym lekiem. Słowa kluczowe:
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.010 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".