Linköping University Medical Dissertations  No. 1152  

  

Therapeutic Drug Monitoring in Psychiatry 

Some aspects of utility in clinical practice and research     

Maria Dolores Chermá Yeste       

 

   

Division of Drug Research ‐ Clinical Pharmacology Department of Medical and Health Sciences 

Faculty of Health Sciences Linköping University, 

SE‐581 85 Linköping, Sweden  

2009 

 

Supervisors Professor Finn Bengtsson Clinical Pharmacology, Linköping University Professor Johan Ahlner Forensic Genetics and Forensic Toxicology, Linköping University  Faculty Opponent Associate professor Ylva Böttiger Clinical Pharmacology, Karolinska Institutet, Stockholm  Examination board Professor Örjan Smedby Center for Medical Image Science and Visualization (CMIV), Linköping University Professor Sigvard Mölstad Primary Care Jönköping, Linköping University Professor Rune Dahlqvist Clinical Pharmacology, Umeå UniversityAssociate professor Anne‐Marie Landtblom (substitute) Neurology, Linköping University      Cover picture: The Mediterranean Sea in Cabanes, by Mario Carlsson Chermá, Aug‐09. Illustration page 4: Two of a loft of pictures drawn by Paloma Carlsson Chermá, at the age 6 and 8 years respectively.   ©Maria Dolores Chermá Yeste, 2009  The published articles have been reprinted with permission of  the publisher, Wolters Kluwer Health/Lippincott, Williams & Wilkins.  Printed in Sweden by LTAB, Linköpings Tryckeri AB, Linköping, 2009.   ISBN 978‐91‐7393‐537‐1 ISSN 0345‐0082 

    

 

 To José Daniel Chermá Mayor and Dolores Yeste Lara, 

my parents   

 and 

     

 Todo pasa y todo queda; pero lo nuestro es pasar, pasar haciendo caminos, caminos sobre la mar.  Caminante, son tus huellas el camino, y nada más; caminante, no hay camino, se hace camino al andar. Al andar se hace camino, y al volver la vista atrás se ve la senda que nunca se ha de volver a pisar. Caminante, no hay camino, sino estelas en la mar. 

…. 

            

 Antonio Machado (1875‐193

 

Everything passes and everything remains; but it is our lot to pass,to pass creating roads,

roads over the sea.

Wayfarer, your footprintsare the road, nothing else;wayfarer, there is no road,

the road is created as one walks.As you walk, the road is created,

and when you look backyou see the path that you will never

tread againg.Wayfarer, there is no road,

only ships’ wakes on the sea.

… 

 9), “Proverbios y Cantares” 

 

An expert is a man who has made all the mistakes which can be made, in a narrow field. 

 Niels Bohr (1885‐1962) 

Danish physicist, Nobel Prize in Physics 1922  

   

The important thing in science is not so much to obtain new facts as to discover new ways of thinking about them. 

 Sir William Bragg (1862‐1942) 

British physicist and chemist, Nobel Prize in Physics 1915   

      

              

 

    

 

Laughter is natureʹs best medicine... Anonymous 

 

CONTENTS  CONTENTS ................................................................................................................. 5 ABSTRACT .................................................................................................................. 7 POPULÄRVETENSKAPLIG SAMMANFATTNING (SWEDISH).................. 9 LIST OF PAPERS ...................................................................................................... 11 ABBREVIATIONS.................................................................................................... 12 INTRODUCTION..................................................................................................... 13 

Psychiatric disorders ......................................................................................... 14 History of psychiatry ....................................................................................... 14 Classification of psychiatric disorders ............................................................. 15 Psychiatric epidemiology ................................................................................. 15 

Psychoactive drugs............................................................................................. 16 History of psychoactive drugs ......................................................................... 16 Classification of psychoactive drugs................................................................ 17 

Neurotransmitters .............................................................................................. 18 Pharmacokinetics ............................................................................................... 19 General............................................................................................................. 19 Chirality........................................................................................................... 22 

Sources of pharmacokinetic variability......................................................... 23 Drug metabolism –CYP enzyme system and genetic variation...................... 24 Age ................................................................................................................... 25 Gender.............................................................................................................. 27 Smoking and diet ............................................................................................. 27 Nutritional status ............................................................................................ 28 Concomitant medication.................................................................................. 29 Compliance ...................................................................................................... 31 

Individualised drug dosage ............................................................................. 32 Therapeutic drug monitoring (TDM) ............................................................ 33 Genotyping.......................................................................................................... 35 Escitalopram........................................................................................................ 37 Ziprasidone ......................................................................................................... 38 

5 

 

AIMS ........................................................................................................................... 40 MATERIAL AND METHODS............................................................................... 41 

Subjects and study design................................................................................ 41 Blood samples..................................................................................................... 42 Determination of drug concentrations .......................................................... 43 Genotyping.......................................................................................................... 43 Request form....................................................................................................... 44 Stratification procedures for data collected.................................................. 44 Internal validation ........................................................................................... 45 External validation .......................................................................................... 46 

Screening for drug‐drug interactions............................................................. 47 Statistical analysis.............................................................................................. 48 Ethical considerations ....................................................................................... 49 

RESULTS .................................................................................................................... 50 Paper I................................................................................................................... 50 Paper II ................................................................................................................. 54 Paper III ............................................................................................................... 57 Paper IV ............................................................................................................... 60 

DISCUSSION............................................................................................................ 63 Papers I and II..................................................................................................... 63 Papers III and IV ................................................................................................ 64 

CONCLUSIONS ....................................................................................................... 68 REFLECTIONS AND FUTURE PROSPECTS..................................................... 69 ACKNOWLEDGEMENTS...................................................................................... 72 REFERENCES ............................................................................................................ 75 APPENDIX (PAPERS I – IV)................................................................................... 85 

6 

 

ABSTRACT

Background and objectives: Several new psychoactive drugs for the treatment of psychiatric disorders have been  introduced onto  the market since  the  late 1980s.  Basic  aspects  of  pharmacodynamics  and  pharmacokinetics  (PK)  are investigated before approval for general prescription. Thus, a limited number of  subjects  are  exposed  to  the  drug  before  it  is marketed  and  only  sparse measurements of drug concentration are performed during phases II and III of drug  development.  The  objective  of  this  thesis  was  to  provide  further descriptive PK and linked patients data in naturalistic clinical settings. The PK of psychoactive drugs was also  studied  in  the elderly and  the young, major risk groups that are exposed in normal everyday clinical practice but that are underrepresented in the phases of drug development. The PK‐data were to be assessed  by  samples  sent  to  the  Therapeutic  Drug  Monitoring  (TDM) laboratory service. In a subset of individuals, the genotypes of the cytochrome P450 (CYP) enzymes were described. Results: Serum concentration of the parent compound and its metabolites was provided  from  TDM‐data  on  antidepressant  escitalopram  (Paper  I)  and antipsychotic  ziprasidone  (Paper  II).  A  large  interindividual  PK  variability was found. The daily dose of the drug was higher than the defined daily dose (DDD)  for  both  escitalopram  and  ziprasidone  (median dose  20 mg  and  120 mg,  respectively). The median number  of drugs per patient,  apart  from  the studied drug, was 4 and 3, respectively (range 1‐18). If repeated eligible TDM‐data were available, change in treatment strategies could be seen between the first and second sample for the patient, and the metabolite/parent compound (M/P)  ratio  had  lower  intraindividual  than  interindividual  variation  in  the escitalopram study but opposite results were found in the ziprasidone study.   The  prescription  of  antidepressant  drugs  (ADs)  in  the  nursing  homes studied was  38 %  (Paper  III). The  concentration  of  the ADs was  higher,  or much higher, than could be expected from the dose administered in 73 %. The majority  of  the  elderly  people were  treated with  citalopram. No  clear  time schedule  for how  long  the drug  treatment should continue was  found  in  the patients’  current medical  record.  The median  number  of  drugs  per  patient apart  from  the AD was 11  (range 4‐19), no monotherapy was  found  in  these patients.  The  genetically  impaired  metabolic  activity  of  CYP  enzymes correlated  to  higher  drug  concentration  as  expected,  in  patients medicated with an AD that is substrate for the CYP enzyme genotype. 

7 

 

  The concentrations of ADs were as expected from the dose administered in 63 % of  the children/adolescents evaluated  (Paper  IV). The majority of TDM samples  requested  sertraline.  PK  outcome  of  sertraline  was  similar  to  the results  in adult populations. Monotherapy was documented  in 49 % (median number  of  drugs  apart  from AD was  1  per  patient,  range  1‐7). Changes  in treatment  strategies  were  also  shown,  if  repeated  TDM‐samples  were available. The median variation of the M/P ratio for sertraline between the first and  the  last  samples within  the  same patient was  20 %  (the  interindividual variation was 37 %). The poor metabolizers (PM) for CYP2D6 medicated with a CYP2D6 substrate had a lower dose than did non‐PM for the same drug. Conclusion:  These  studies  provide  reference  data  for  the  evaluation  of  the therapeutic  response,  i.e.  a  reference  range  of what  is  to  be  expected  in  a normal clinical setting, as well as the toxicological information concerning the psychoactive  drugs  studied.  When  available,  the  M/P  ratio  between  two patients’  samples  may  assess  patient  compliance,  as  well  as  drug‐drug interactions.  Thus,  the  use  of  TDM  can  be  beneficial  for  individual  dose optimisation  and  drug  safety,  above  all  in  the  studied  populations,  elderly people  and  children/adolescents,  when  the  selection  of  doses  requires  a consideration of PK parameters. TDM may be a  tool  for  research,  increasing knowledge of the psychoactive drug in TDM service, as well as toxicology. A more  frequent  clinical  use  of  TDM  and  pharmacogenetic  testing  in  clinical practice would contribute to a better quality when treating with psychoactive drugs. 

8 

 

POPULÄRVETENSKAPLIG SAMMANFATTNING (SWEDISH)

En  rad  nya  psykofarmaka, dvs.  läkemedel  som  används  vid  behandling  av psykiatriska  sjukdomar, har  introducerats kontinuerligt under 1980‐talet. Att ett nytt farmaka godkänts för allmän förskrivning är  inte det samma som att farmakokinetiken  i  människa  (vad  kroppen  gör  med  läkemedlet)  är fullständigt känd. Sparsam mätning av psykofarmakas koncentration i blodet görs under  läkemedelsutvecklingen. Särskilda grupper av patienter som  t.ex. äldre, barn och ungdomar, är sällan med i studier av nya psykofarmaka trots att de exponeras i klinisk praxis.   Målen för den här avhandlingen var att beskriva koncentrationen i serum av  nya  introducerade  psykofarmaka  och  dess metaboliter  dvs. moder‐  och dottersubstans, i en grupp av patienter i den kliniska miljön (naturalistisk) för att  undersöka  mellan‐individ  variabilitet,  men  också  att  med  upprepade prover  från  samma  individ  skapa  en  inom‐individ  uppföljning. Läkemedelsutfallet  kontrasteras mot  den  relevanta  kliniska  informationen  i remissen,  för  att  försöka  hitta  förklaringen  till  koncentrationsutfall  och variabilitet i den kliniska miljön dvs. med polyfarmaci (mer än två läkemedel samtidigt)  och  olika  typer  av  ”samsjuklighet”  (både  psykiatriskt  och somatiskt).   Blodprover  som  har  sänts  till  laboratoriet  för  analys  av  läkemedel  för terapikontroll  dvs.  ”Therapeutic Drug Monitoring”  (TDM),  har  vi  använt  i våra  studier  för  att  utvärdera  farmakokinetiken  av  antidepressiva  medlet escitalopam  och  antipsykotiska medlet  ziprasidon.  Blodprovet  bör  tas  som dalvärde (dvs. strax innan nästa dosintag, allra helst innan morgondosen) och vid  steady‐state  (dvs.  vid  jämviktskoncentration). Hos  äldre  och ungdomar, har farmakokinetiken och användningen av antidepressiva (AD) medel också studerats via TDM‐prover.  Farmakogenetiska metoder  (genotypning)  för  att bestämma genetiska variationer av de enzymer  som bryter ner  läkemedlen  i kroppen, cytokrom P450 (CYP) enzymer, har applicerats.   Vi  fann  att  de  studerade  nya  psykofarmaka  uppvisar  stora  skillnader  i plasmakoncentration  vid  samma  dos  mellan  patienter.  Den  vanligaste förskrivna  dosen,  både  för  escitalopram  och  ziprasidon,  var  den  högst rekommenderade dosen  i FASS och polyfarmaci var vanligt. Vid uppföljning av  första provet med ytterligare ett prov har ändring av dosering visats som 

9 

 

en följd av det första utfallet. Variabilitet mellan två provtillfällen från samma patient  (inom‐individ),  mätt  som  kvoten  mellan  koncentration  av dottersubstans  och modersubstans  (M/P), var  lägre  än mellan‐individ M/P  i escitalopram studien dock var det motsatt i ziprasidon studien.   I studien av äldreboende förskrevs AD medel till 38 % (ålder 71‐100, 78 % kvinnor).  Koncentration  av  AD  medel  var  högre  eller  mycket  högre  än förväntat  i  förhållande  till  intagen dos  i 73 % av TDM‐proverna. Citalopram var den mest  använd AD medlet.  Information  om när  behandling med AD medel  skulle  sättas ut  saknas  i huvuddelen  av patientjournalerna. Doser  av AD  medel  som  används  hos  äldre  var  i  samma  storlek  som  i  FASS rekommenderade doser  för vuxna yngre än 65 år. Läkemedelsanvändningen var  hög,  i  genomsnitt  11  läkemedel  per  patient  (4‐19)  vid  sidan  av  AD läkemedlet, och inga av patienterna behandlades enbart med AD läkemedlet i fråga.   Hos barn och ungdomar  (ålder  8‐20,  64 %  flickor), var koncentration  av AD  medel  som  förväntat  i  förhållande  till  intagen  dos  i  63  %  av  fallen. Sertralin var det mest använda AD medlet och koncentrationen av läkemedlet i  blodet  stämde  överens med publicerade data  hos  vuxna. Monoterapi dvs. endast behandling med ett AD läkemedel, var vanligt (49 %). Även här fann vi ändring av dosering vid uppföljning av första provet med ytterligare ett prov. Kvoten M/P  för  sertralin mellan  två  prov  från  samma  patient  varierade  i genomsnitt 20 % (inom‐individ) dock var mellan‐individ variation 37 %.   Patienter med genetisk variation  i CYP genen  som  leder  till en minskad metaboliseringsförmåga  (långsam  metaboliserare)  hade  högre läkemedelskoncentration  i  blodet  än  patienter  som  inte  var  långsamma metaboliserare för läkemedlen som bryts ned med dessa enzym.   Slutsats: TDM  inom psykofarmakologin har  i allmänhet minskat efter att nyare  ”mindre  toxiska”  psykofarmaka  har  introducerats  och  att koncentrations‐effektsamband  inte  har  påvisats.  Vi  har  visat  att koncentrationsutfallet  från TDM  studierna kan  användas  som  referensdata  i klinisk praxis. Variation i M/P kvoten mellan två prov tillfällen, skulle kunna användas som ett mått på följsamhet (compliance) eller interaktion med andra läkemedel. Användning av TDM kan öka kunskapen om psykofarmaka, som stöd vid individual dosering och till hjälp vid oönskade/toxikologiska effekter. Kvalitén vid behandling med psykofarmaka i klinisk praxis skulle kunna öka med en mer frekvent användning av TDM tillsammans med genotypning. 

10 

 

LIST OF PAPERS

The present thesis is based on the following papers, which will be referred to in the text by their designated Roman numerals:   I  Therapeutic Drug Monitoring of Escitalopram in an Outpatient Setting.   Reis M, Chermá MD, Carlsson B, Bengtsson F.   Therapeutic Drug Monitoring 29(6): 758‐766, 2007.  II  Therapeutic  Drug  Monitoring  of  Ziprasidone  in  a  Clinical  Treatment 

Setting.   Chermá MD, Reis M, Hägg S, Ahlner J, Bengtsson F.   Therapeutic Drug Monitoring 30(6): 682‐688, 2008.  III  Assessment  of  the  Prescription  of  Antidepressant  Drugs  in  Elderly 

Nursing  Home  Patients.  A  Clinical  and  Laboratory  Follow‐Up Investigation. 

  Chermá MD, Löfgren U‐B, Almkvist G, Hallert C, Bengtsson F.   Journal of Clinical Psychopharmacology 28(4): 424‐431, 2008.  IV  Concentration  of Antidepressant Drugs  in  Children  and Adolescents:  a 

naturalistic clinical study.   Chermá MD, Ahlner J, Bengtsson F, Gustafsson PA.   Submitted.       

11 

 

A BREVIATIONS A.D.  Anno Domini ADR  Adverse drug reactions  

 

 

12 

B

ATC  Anatomical Therapeutic Chemical  B.C.  Before Christus BBB  Blood‐Brain Barrier  BMI  Body Mass Index  C/D  Concentration‐over‐dose  CIT  Citalopram CL  Clearance  Cmax  Maximum blood concentration  CNS  Central nervous system  CYP  Cytochrome P‐450  DCIT  Desmethylcitalopram DDCIT  Didesmethylcitalopram DDD  Defined daily dose  DSERT  Desmethylsertraline  DSM  Diagnostic and Statistical Manual of Mental DisordersEM  Extensive metabolizer HPLC  High‐performance liquid chromatography  ICD  International Classification of Diseases ITE  Intention to treat M/P  Metabolite/parent compound ratio, metabolic ratio OC  Oral contraceptives  p  Probability PD  Pharmacodynamic PE  Patients evaluated  PEM  Protein‐energy malnutrition P‐gp  P‐glycoprotein  PK  Pharmacokinetic PM  Poor metabolizer S‐CIT  Escitalopram  S‐DCIT  S‐desmethylescitalopram S‐DDCITS‐didesmethylescitalopram  SERT  Sertraline  SMDZ  S‐methyldihydroziprasidone  SSRI  Selective serotonin reuptake inhibitor  t1/2  Half‐life  TCA  Tricyclic antidepressant TDM  Therapeutic drug monitoring tmax  Time to the maximum blood concentration  UM  Ultrarapid metabolizer Vd  Volume of distribution WHO  World Health Organization ZIP  Ziprasidone 

 

INTRODUCTION

Basic aspects of pharmacodynamics (PDs), pharmacokinetics (PKs), as well as clinical  outcome  of  a  drug,  are  investigated  during  the  phases  of  drug development  before  approval  for  general  prescription  by  drug  regulatory agencies,  (Figure  1).  Only  sparse  measurements  of  concentration  are performed during phases II and III of drug development {Balant et al., 1993a; Balant  et al., 1993b; Peck  et al., 1994}. However, a  limited number of subjects are exposed to the drug before it is marketed. Specific groups, such as elderly people, children and adolescents are underrepresented  in such studies but  in normal  everyday  clinical  practice  these  groups  are  also  exposed.  For drugs acting on the central nervous system (CNS), used in psychiatric care, this has been a particularly prominent feature in recent years. Underlying this fact has 

CompoundsYears

Leve

l of k

now

ledg

e10

0 %

……..4-6…………………………4-6…………….…..…..1-2……~53….250…5………..…..……..………....…1………………….………

Assess safety and biological activity in the laboratory and

in animal models

Pharmacology

Identify active substances

Chemistry Phase I Phase IIIPhase II

Pre-clinical studies

IND

Clinical trials

NDA

Registration

Phase IV

Subjects ~20-50….….100-300…..…500-5000… … population

?

?

Healthy volunteer

Patientsvolunteer

Patientsvolunteer

Pharmaco-vigilance:

Adverse events

Kinetic

Determine safety

pharmacokinetic and

dosage

Evaluates effectiveness

and side effects

Comparative studies

Real-life patients

Continued comparative

studiesVerify

effectiveness and

safety

?

?

Figure 1. Stage of the drug development process. IND=investigational new drug application filed with the drug regulatory agencies (DRA), NDA=new drug application or biologics license application filed with DRA, Registration=DRA approval for one new drug  

13 

 

been  the  increased  awareness  for  the  very  variable  individual  response  to different psychoactive drugs, such as antidepressants and antipsychotics.    Implementation of PK knowledge concerning a drug after post‐marketing surveillance,  under  clinical  conditions,  is  needed:  hence  the  importance  of phase IV studies. Improving clinical drug utility for the health care system and for  the patient’s safety makes essential a  research strategy  leading  to  further awareness for an already marketed psychoactive drug.  

Psychiatric disorders

History of psychiatry

Humoral concepts of illness developed in the 4th century B.C. by Hippocrates and  expanded  by  Galen  (130‐200  A.D.),  persisted  until  the  17th  and  18th centuries.  The  humoral  concept  of  illness was  the  result  of  bodily  humors (black bile, yellow bile, phlegm,  and blood)  imbalance  and  treatments were oriented  to  restore  this balance. Depression  resulted  from an excess of black bile  (melaina  chole)  and  could  be  cured  by  treatments  such  as  special  diets, purgatives  and  bloodletting.  The  growing  knowledge  resulting  from anatomical  studies  of  the  human  body,  within  a  mechanical  worldview, resulted  in multiple  etiologies of mental  illness,  including  spiritual,  external 

environmental and  internal, during  the 17th and 18th centuries. Clear national 

trends  can  be  identified  during  the  19th  and  20th  centuries.  Germany developing  the  idea  of  Vitalism  in  which  there  is  a  transformation  of  the concepts  of  soul/spirit  into  a vital  force  in  all  organisms.  In England, Battie (1704–1776)  hypothesized  that  madness  was  the  result  of  either  the  over excitement  of  the  sensibilities  or  insensibility.  In  France,  among  others, Rousseau  (1712‐1778)  saw  the psyche  as  arising  from  sensations  to produce reason  and  emotions.  American  Benjamin  Rush  (1745‐1813),  influenced  by Pinel (1745‐1826) and others, advocated that mental illness was a disease of the brain {Merkel, 2003}. 

14 

 

Classification of psychiatric disorders

Psychiatric  disorders  are mental  health  disorders. Mental  and  behavioural disorders are understood as clinically significant conditions characterized by alterations  in  thinking,  mood  (emotions)  or  behaviour  associated  with personal distress and/or  impaired  functioning. Psychiatric disorders,  such as schizophrenia and affective disorders, are concepts that tend to be defined by their symptoms. Compared to concepts that are defined by their etiology, such as Addisson’s disease,  they are more difficult  to describe and diagnose, and more  open  to misunderstanding  and misuse  {Burton,  2006}.  Depression  is characterized by  sadness,  loss of  interest  in activities, and decreased energy. Thoughts of death and suicide, disturbance of sleep and a variety of somatic symptoms  may  also  be  present.  Schizophrenia  is  a  severe  disorder  that typically begins  in  late adolescence or early adulthood.  It  is characterized by fundamental  distortions  in  thinking  and  perception,  and  by  inappropriate emotions.  Behaviour may  be  seriously  disturbed  leading  to  adverse  social consequences.   In  order  to  standardize  the description  and  interpretation  of psychiatric disorders,  diagnosis  and  classification  systems  have  been  established.  The most  prominent  diagnostic  classification  systems  are:  the  International Classification  of  Diseases  (ICD‐10)  published  by  the  World  Health Organization  (WHO)  and  the  Diagnostic  and  Statistical Manual  of Mental Disorders  (DSM‐IV) by  the American Psychiatric Association. These  systems categorize mental  disorders  according  to  their  predominant  symptom.  The ICD‐10  is  the  most  frequently  used  system  worldwide  for  all  general epidemiological purposes  and  for  clinical diagnosis, whereas DSM‐IV  is  the most  frequently  used  system  for  research  {APA,  2000;  WHO,  1993}.  The classifications should be seen as complementary rather than competitive. Both classification systems converged strongly in their last revisions, but significant differences still remain {Bertelsen, 2002; Paykel, 2002}. 

Psychiatric epidemiology

WHO Global  Burden  of Disease  Study  estimates  that mental  and  addictive disorders are among the most burdensome in the world and their burden will increase over next decades  {WHO, 2001b}. The point prevalence of unipolar depressive episodes estimates to be 1.9 % for men and 3.2 % for women, and that 5.8 % of men and 9.5 % of women will experience a depressive episode in a 12‐month period  {WHO, 2000}. Schizophrenia  is  found with approximately 

15 

 

the same frequency in men and women. The point prevalence of schizophrenia is estimated to be 0.4 % {WHO, 2000}. It has been estimated that up to 10 % of children  have  a  psychiatric  disorder  that  could  be  responsive  to pharmacotherapy  {Riddle,  1998}.  The most  common  of  these  conditions  are attention‐deficit  hyperactivity  disorder,  major  depressive  disorder  and anxiety. 

Psychoactive drugs

History of psychoactive drugs

Since  ancient  times,  people  have  used  chemical  agents  that  altered  their behaviour. The earliest psychoactive drugs were derived from plants. Tea and opium were available  in  the Orient. Tobacco and coffee  in  the Americas and alcohol  throughout  the world. Despite  the use of psychoactive drugs having been dated  to approximately 10,000 B.C  in early post‐glacial  fishing  sites on the  south  China  coast  {Merlin,  2003},  there were  few  effective  and  specific treatments for any psychiatric disorder before the 1950s {Cameron, 1999}.   The  first  successful drugs  in every major  class were discovered between the  1950  and  the  1970s.  Adequate  animal  models  for  human  psychiatric disorders  do  not  exist  as  human  psychopathology  is  nonreproducible  in animals. The discovery “by chance” of therapeutic effects of drugs developed for other indications marked the early years of modern psychopharmacology. The  first modern  report  on  the  treatment  of  psychotic  excitement  or mania with  lithium  salts  was  that  of  Cade  (1949).  In  the  early  1950s,  some antipsychotic effects were obtained with extracts of the Rauwolfina serpentina plant  (active  alkaloid  reserpine).  Another  important  discovery  of  the  early 1950s  was  the  antipsychotic  effect  of  chlorpromazine  (Laborit,  Delay  and Deniker). In 1954, Berger introduced meprobamate that marked the beginning of modern  sedatives with  useful  antianxiety  properties.  By  the  early  1960s, chlordiazepoxide and diazepam had been discovered. In the mid‐1950s, there were two important accidental findings, both of which proved to be related to neurotransmission  by  monoamines,  and  both  of  which  revolutionezed  the treatment  of  depression.  A  compound  originally  developed  as  an  anti‐ tuberculosis drug,  iproniazid, was observed to  improve the mood of patients treated with  it  for  their  tuberculosis. This  finding and other hints  led Kline, 

16 

 

who  had  already  worked  with  reserpine,  to  establish  that  this  drug  was effective  against depression.  It was  later  learned  that  iproniazid  inhibits  the activity of monoamine oxidase (MAOI). In 1958, Kuhn found that imipramine did  not  have  a  favorable  effect  on  schizophrenic  symptoms,  instead,  it was found  to  have  significant  antidepressant  properties.  It  became  the  first  in  a series  of  variants  known  as  tricyclic  antidepressants  (TCAs)  that  block neuronal uptake of both  serotonin  and norepinephrine. Following  this  lead, even more selective serotonin reuptake inhibitors (SSRIs) were developred in the early 1970s, arising  from observations by Carlsson  {Carlsson et al., 1997a; Carlsson et al., 1997b} that antihistamines  inhibited the transport of serotonin or norepinephrine. The first marketed SSRI was zimelidine but it was with the introduction  onto  the market  of  fluoxetine  in  the  late  1980s  that  the  SSRIs became widely used. The wide use of fluoxetine was not because it was more effective in the treatment of depression and anxiety than the TCAs but rather because  it was  safer  (more benign  side  effect profile)  and  easier  to use. The most significant advances after the 1950s have been in reducing the unwanted side effects of these therapeutic agents {Hardman et al., 1996; Lingjaerde, 2001}. 

Classification of psychoactive drugs

Psychoactive  substances  are  substances  that  affect  mental  processes,  e.g. cognition or affect. Traditionaly, psychoactive drugs  can be placed  into  four major categories: antipsychotics or neuroleptics  (used  to  treat psychoses and mania),  antianxiety‐sedative  agents  (used  to  treat  anxiety  disorders), antidepressants  (mood‐elevating  agents)  and  mood‐stabilizing  (antimanic agents)  {Hardman  et  al.,  1996}.  Such  categoric distinctions have become  less valid because many drugs of one class are used to treat disorders previously assigned  to  another  class  and,  in  addition,  several  categories  are  used  for treating  symptoms  associated with  behavioural  disturbances  e.g.  dementia, eating disorders, insomnia and impulse‐control disorders {Sadock et al., 2006}.   In order  to  improve quality of drug use  in drug utilization  research,  the WHO  have  introduced    the  use  of  the  Anatomical  Therapeutic  Chemical (ATC)  Classification  System  for  the  classification  of  drugs (http://www.whocc.no/atcddd/).  The  ATC  codes  divide medicinal  products into different groups according to the organ or system on which they act and their chemical, pharmacological and therapeutic properties. The psychoactive drugs are classified under “N” i.e. Nervous system: N05 psycholeptics (N05A antipsychotics) and N06 psychoanaleptics (N06A antidepressants). 

17 

 

Neurotransmitters

The major  categories  of  substances  that  act  as  neurotransmitters  are  amino acids  (glutamate,  gamma‐aminobutyric  acid=GABA,  aspartate,  glycine), peptides  (neurotensin,  somatostatin,  vasopressin,  etc)  monoamines (dopamine,  norepinephrine,  epinephrine,  histamine,  serotonin=5‐hydroxytryptamine=5‐HT)  and  acetylcholine.  The  main  excitatory neurotransmitter  in  the  brain  is  glutamate,  while  the  main  inhibitory neurotransmitter  is GABA. The peripheral nervous system neurotransmitters are acetylcholine and norepinephrine.   Neurotransmitters  play  a  major  role  in  controlling  state  of  mind,  i.e. consciousness,  emotions  and  behaviour  {Healy  et  al.,  1997};  see  Figure  2. Monoamines  have  been  implicated  in  the  pathophysiology  of  a  number  of psychiatric disorders. The most extensively studied associations are dopamine with  schizophrenia  and  norepinephrine,  epinephrine  and  serotonin  with  depression and anxiety. There is some “weaker” evidence of the involvement of  monoamines  in  mania,  as  well  as  of  dopamine  in  affective  disorder generally and in substanse abuse. Clinically useful psychoactive drugs acts by interacting  with  brain  neurotransmitters  and  receptors  {Cameron,  1999; Hardman et al., 1996; Stahl, 1998}. 

 Figure 2. Different suggested functions of monoamines in the field of personality biology. 

18 

 

Pharmacokinetics

General

Pharmacokinetics describes  the  time‐course of  the various events  that a dose of  drug,  and  its  metabolites  in  the  body,  may  undergo:  absorption, distribution,  metabolism  and  excretion  (Figure  3).  In  most  cases,  the concentration  of  a  drug  in  the  general  circulation  will  be  related  to  the concentration of drug at its site(s) of action and the concentration in the target organ  is  related  to  the effect of  the drug. The drug at  the  site of action may then elicit a number of pharmacologic effects,  i.e. pharmacodynamics. These pharmacologic  effects  can  include  the  desired  clinical  effect  or  side/toxic effects, and in some cases there may be effects unrelated to either the desired effect or toxicity of the drug.  

Absorption Excretion

Metabolism

Drug-protein

Free drug

Free drugmetabolites

Site(s) of action Other body fluids and tissues

Distribution

Figure 3. Absorption, distribution and elimination of drugs in the blood circulation. 

  The majority  of  drugs  are  administered  orally  and  are  absorbed  in  the small intestine. The absorption from the gastrointestinal tract is determined by the rate of the passive diffusion. This rate is determined, apart from the nature of  the membrane, by  the physiochemical properties  (degree of  ionisation) of 

19 

 

the drug and  the  concentration gradient across  the membrane. Psychoactive drugs  must  pass  from  the  gastrointestinal  tract  through  the  liver  (“first‐passage”) into the systemic circulation. The fraction of the ingested drug that reaches  the  central  circulation  unchanged  is  the  bioavailability.  The distribution  of  a  drug  in  the  body  is  primarily  influenced  by  its  chemical characteristics, as well as binding to plasma proteins (e.g. albumin). Only the free  form  of  the  drug  can  move  between  the  membranes  (distributed  in compartments)  and  give  pharmacological  effect.  When  distribution  is complete,  their  concentration  in  plasma  water  and  extracellular  fluid  is approximately equal.   Psychoactive  drugs  have  their  main  site  of  action  in  the  brain.  One important barrier  is  the blood‐brain barrier  (BBB). The BBB  is  formed by  the brain  capillary  endothelial  cells  that  have  high‐resistant  tight  junctions. Besides  low  passive  permeability,  the  brain  is  protected  from  potentially harmful endogenous and exogenous substances by efflux transporter proteins, located in the brain capillary wall {Pardridge, 1996; Xie, 2000}. P‐glycoprotein (P‐gp)  is  a major  drug  efflux  transporter,  involved  in  the  efflux  of  a wide variety of  lipophilic drugs and endogenous substances  {Schinkel et al., 1994}. P‐gp  is  a member  of  the ABC‐transporters  (ATP‐binding  cassette)  and was first discovered to be overexpressed in multidrug‐resistant cancer cells; hence the common referral of P‐gp as the multidrug resistant gene (mdr) {Allikmets et al., 1996;  Juliano  et al., 1976}. Drug  transporters are expressed  in  the brain but  also  in  the  intestine,  liver  and  kidney,  thus  playing  a  key  role  in absorption, distribution and excretion of drugs.    The majority of psychoactive agents are  lipophilic  (lipid‐soluble),  leading to the ability to penetrate the membrane, to be absorbed and to enter into the target organ. However,  to be  eliminated principally by  the kidney  from  the body,  they have  to be  converted  to  a hydrophilic  (water‐soluble)  substance. The liver is the principal organ of drug metabolism, but other tissues display a considerable metabolic activity, e.g. the gastrointestinal system (gut wall), the lungs,  the  skin  and  the  kidney.  There  are  mainly  two  types  of  metabolic reactions,  phase  I  and  phase  II.  Phase  I  reactions  (oxidation,  hydrolysis, reduction)  may  result  in  both  inactive  and  active  metabolites.  The  most important  enzymatic  systems  are  the  cytochrome P‐450  (CYP)  enzymes  that are  responsible  for more  than  80 %  of  phase  I  reactions  {Evans  et  al.,  1999; Scordo et al., 2002}. These enzymes prepare very lipophilic molecules for phase II  reactions  by  creating  a  conjugation  site,  often  a  reactive  group  such  as  a hydroxyl group. In the phase II reactions, the conjugation with a glucuronyl‐, 

20 

 

sulphate‐ or acetylgroups  forming a more polar and water  soluble molecule that can be more easily excreted in the urine and/or bile {Hardman et al., 1996}. 

.

08 16 24 08 16 24 08

Cmax

Cmin

tmax

time

08 08 08 08 08 08 08

5 half-lives

Css

conc

entr

atio

n

Figure 4. Time versus concentration after daily doses of an oral drug. Cmax=maximal blood concentration, tmax=the time  to reach Cmax, Cmin=lowest blood concentration, Css=blood concentration at trough values under steady state conditions. 

Further key concepts are clearance (CL), a measure of the body’s ability to eliminate drug,  and  volume  of distribution  (Vd),  a measure  of  the  apparent space  in  the  body  available  to  contain  the  drug.  Other  Important  PK parameters  are  the  maximum  blood  concentration  (Cmax)  and  the corresponding time (tmax) after an oral dose, as well as the time period at which blood concentrations stay above a certain  limit, e.g.  the  lowest concentration for  a  certain  pharmacological  response  (Cmin);  see  Figure  4.  Designing appropriate drug dosage  regimens  involves  knowledge  of  the  half‐life  (t1/2), the time it takes for the blood concentration to be reduced by 50 %. Thus, the time course of a drug  in the body will depend on both the clearance and the volume of distribution. 

Figure 5.  The chemical structure of racemic citalopram. Original citalopram figure from B. Carlsson (2003).  

21 

 

Chirality

Stereochemistry refers to chemistry in a three‐dimensional extension in space and if the chemical compound cannot be superimposed on its mirror image, it is  chiral  (greek  “cheir”  meaning  hand).  Compounds  having  the  same molecular  formula  but  with  the  atoms  in  a  different  three‐dimensional arrangement are called stereoisomers. Enantiomers are stereoisomers that are not  superposable  with  their  mirror  image  (Figure  5).  Enantiomers  have identical physical properties, but rotate the plane of polarised light in opposite directions. An equimolar mixture of two enantiomers is a racemate {Caldwell et  al.,  2001; Wainer  et  al.,  1995}.  The  absolute  structural  configuration  of  a stereoisomer is termed R (latin “rectus” meaning right) and S (latin “sinister” meaning  left)  based  on  the  sequence  of  groups  around  its  chiral  center Chirality  can  be  observed  when  a  chiral molecule  is  subjected  to  a  chiral influence.  PK differences may  exist  among  enantiomers. When  enantiomers interact  with  an  enzyme,  or  transporter  system,  a  chiral  discrimination (stereoselectivity) may  be  seen  {Wainer,  2001}. Metabolic  transformation  is often enantioselective  {Wainer, 2001}. However, chiral discrimination may be seen in the drug absorption (i.e. active transport {Wade et al., 1973; Yan, 2002}), distribution  (i.e.  protein  binding,  tissue  affinity  and  receptor  affinity  {Lam, 1988; Williams et al., 1985}) and,  less commonly,  in excretion  {Williams et al., 1985}. 

Enantiomer 1 Enantiomer 2

Desirable effect

Same effect as 1

No effect

Desirable additive effect

Antagonist to1

Other not wanted effect Figure 6. Some enantiomeric interaction possibilities.    

22 

 

  Several  psychoactive  drugs,  as  well  as  their  metabolites,  are stereoisomers/enantiomers. A  few psychoactive drugs are available  in a pure enantiomeric  form, but numerous others are administered as racemates.  In a racemate,  the  enantiomers  may  also  have  different  PD  properties  {Caccia, 1998; Cushny, 1908; 1909; Cushny et al., 1905; Mehvar et al., 1997; Nation, 1994; Tucker, 2000} and  five possible combinations have been proposes  {Caldwell, 2001}: see Figure 6. 

Sources of pharmacokinetic variability

A  broad  variety  of  physiological,  pathological,  genetic  and  environmental factors might affect the PKs of a drug (Figure 7).  

PHARMACOKINETICSDrug in blood

...............................Drug at receptor site

PHARMACODINAMICS

Physiological -age-gender

Drugresponse

Genetic constitution-polymorphism

Pathological -diseases

Environmental-diet-concomitant medication-smoking habits-alcohol consumption

Drugdose

Figure 7. Factors affecting drug blood concentration and drug response.  

23 

 

Drug metabolism –CYP enzyme system and genetic variation

The major CYP enzymes that contribute to the metabolism of drugs in man are CYP3A, CYP2D6, CYP2C9, CYP2C19 and CYP1A2 {Bertilsson, 1995; Daly et al., 1993; Ingelman‐Sundberg et al., 1999; Xie et al., 2001}. The metabolic capacity of the hepatic CYP enzyme system is the most important source of PK variability for  psychoactive  drugs.  There  are  wide  interindividual  differences  in  the expression  and  activity  of  CYP  enzymes  caused  principally  by  genetic polymorphisms and environmental factors such as concomitant drug therapy that may  induce  or  inhibit  the  enzyme  activity.  The  potential  of  a  drug  to inhibit  the  metabolism  of  other  drugs  almost  always  exits  for  drugs metabolized by the same pathway but can also be present for entirely separate pathways {Patat, 2000; Spina et al., 2003}.   Genetic polymorphism has been defined as the existence in the population of at least two alleles, neither of which is present with a frequency lower than 1 %  {Kalow, 1991; Meyer, 1991}. Now, however, variations with  lower allele frequency  are  included  in  the  Single  Nucleotide  Polymorphisms  (SNP) database,  dbSNP  BUILD,  on  the  web  site: http://www.ncbi.nlm.nih.gov/sites/entrez?db=snp.  Polymorphic  enzymes carry  out  approximately  40 %  of  human  CYP‐dependent  drug metabolism {Evans et al., 1999}. Genetic polymorphism occurred for CYP2D6, CYP2C9 and CYP2C19  {Dahl, 2002; Droste  et al.,  ; Scordo  et al., 2004}. The different alleles and  their corresponding phenotype  for CYP enzymes are  listed  in  the Home Page of the Human Cytochrome P450 (CYP) Allele Nomenclature Committee, on the web site: http://www.imm.ki.se/CYPalleles.   The  population  is  divided,  based  on  the  polymorphisms  of  drug metabolism,  into  at  least  two  phenotypes:  poor metabolizers  (PM),  lacking enzyme  activity,  and  extensive  metabolizers  (EM),  among  the  majority  of individuals, who  have  a  normal metabolic  activity.  Subjects with  extremely high  enzyme  activity  are  referred  to  ultrarapid  metabolizers  (UM) {Eichelbaum et al., 1996; Meyer, 1994}. The proportion of different metabolizers in a population varies with ethnicity (Figure 8).   CYP2D6  is  of  particular  importance  in  psychopharmacology  as  it  is implicated  in  the metabolism  of  various  antidepressants  and  antipsychotic drugs.  CYP2D6 may  be  inhibited  by  therapeutic  concentrations  of  various drugs {Bertilsson et al., 1997; Glue et al., 1996}. CYP3A4 and CYP1A2 activities are not polymorphically distributed. They have  a unimodal distribution but show  large  interindividual  variability  (about  20‐fold  to  40‐fold)  and  are 

24 

 

influenced by a number of constitutional and environmental factors. CYP3A4 is  involved  in  the metabolism of  a number of psychoactive drugs  including benzodiazepines  and  antidepressants. Unlike CYP1A2, CYP3A  and CYP2C, CYP2D6 activity  is not  inducible  {Dahl, 2002;  Ingelman‐Sundberg, 2001}. The major  CYP  enzyme  systems  and  their  substrates  are  listed  on  the website: http://medicine.iupui.edu/flockhart/

Figure 8. The frequency of poor and ultrarapid metabolizers (circle  resp.  trapeze).  

Age

PK,  as well  as  PD differences  can  exist  between  infant,  adult,  and  geriatric populations. All PK parameters can be dependent on age (Table I).   Pediatric  patients  differ  from  adults,  anatomically  and  physiologically. Changes  in  a pediatric patient’s body proportions  and  composition  and  the relative  size  of  the  liver  and  kidneys  can  alter  the  PKs  of  a  drug. A  child undergoes  rapid  changes  in  growth  (quantitative  change  in  the  size  of  the body  or  any  of  its  parts), most  rapidly  during  the  first  years  of  life,  and development (maturation, qualitative change in skills or functions), continues until  late  childhood.  These  changes  are  accompanied  by  changes  in  body composition,  such  as  water,  fat  and  protein.  At  birth,  there  is  a  greater percentage of body water and  less body  fat. The percentage of body weight that is water varies between 70 % to 75 % at birth and approximately 60 % in 

25 

 

older children, adolescents and adults (less than 40 % in obese adults) {Brozek et  al.,  1953;  Forbes,  1962;  Keys  et  al.,  1953}. Adolescence  is  associated with major  changes  in  hormone  secretion,  growth  and  behaviour. Although  the hormonal  changes  associated  with  puberty  might  be  expected  to  produce alternations  in drug disposition,  there  is  little evidence  that  this constitutes a major problem {Uges et al., 1987}.   PK differences, which may be  clinically  important,  can be  seen between the elderly (65‐79 years old) and the oldest olds (80‐92 years old) {Lundmark et al., 2000b}. Age does not alter drug absorption  in a clinically significant way (passive diffusion  is not  changed). Among  the  factors  that  can  influence PK changes in older people are decreased percentage of total body water (≈50 %), increased  percentage  of  body  fat,  decreased  liver  mass  and  blood  flow, decreased cardiac output, and reduced renal function {Poole Arcangelo et al., 2006; van Boxtel et al., 2001}. 

Table I. Age‐related pharmacokinetic differences in relation to adults

↓=decreased, ↑=increased, ↔=unchanged, ?=uncertainty, *some enzymes remain constant (amylase), other decrease (lipase, trypsin), **decrease in hepatic blood flow often associated with decreased first‐pass metabolism.; phase I metabolism affected and II generally preserved Age categories: preterm/premature (less than 36 week gestational age), neonate (less than 30 day of age), infant (1 month until 1 year of age), child (1 year until 12 year of age), adolescent (13 year until 18 year of age) and old age > 65 years of age  

Premature Neonate Infant Child

Adolescent

Old age

Absorption Gastric acidity ↓ ↓ ↓ ↔ ↔ ↓ ↔

Gastric emptying time ↓ ↓ ↔ ↔ ↔ ↓ ↔ GI motility ↓ ↓ ↓ ↔ ↔ ↓ ↔

Pancreatic enzyme activity ↓↓ ↓ ↓ ↔ ↔ ? * GI surface area ↑ ↑ ↑ ↑ ↔ ↔ ↓

Distribution Body composition:Water ↑ 70-75% > ~60% ~60% ~50%

Blood-brain barrier ↓ ↓ ↔ ↔ ↔ ↓ (leakage) Plasma proteins ↓↓ ↓ ↔ ↔ ↔ ↔ (↓ albumin)

Metabolism Liver ↓ ↓ ↓ ↔ ↓ ↔ ↓ ↔ **

Elimination Renal blood flow ↓ ↓ ↓ ↔ ↔ ↓

Glomerular filtration ↓ ↓ ↓ ↔ ↔ ↓ Tubular function ↓ ↓ ↓ ↔ ↔ ↓

26 

 

  There  is preliminary evidence that CYP3A4 activity  is  lowest  in neonates and increases to maximal levels in adults {Ratanasavanh et al., 1991}, and that the  activity  of CYP3A4  (but  not CYP2D6  or CYP2C19)  appears  to  decrease between 20 and 80 years of age {May, 1994}. 

Gender

Differences  in  physical  constitution  (body water, muscle mass,  organ  blood flow  and  organ  function)  and  physiology  (menstruation,  pregnancy  and menopause)  can  result  in  differences  in  PKs  (and  PDs)  between men  and women  {Beierle  et  al.,  1999}.  Total  drug  absorption  does  not  appear  to  be significantly  affected  by  gender,  although  absorption  rates may  be  slightly slower in women. Differences in renal elimination are generally only of minor importance.  Differences  in  oral  bioavailability,  however,  seem  to  be  more important  and  are  usually  caused  by  gender  differences  in  the  activity  of major intestinal and hepatic metabolic enzymes.   Controversial findings may be found. Studies into the effects of gender on enzyme  activity  in  humans  suggest  that  females  have  higher  activity  of CYP2C19  compared  with males,  while  activity  of  CYP2D6  does  not  differ between  the sexes  {May, 1994}. CYP3A4 activity  in  females  is greater  in vitro compared with males, and is similar or greater in clinical studies {Horsmans et al., 1992; Hunt et al., 1992a; Hunt et al., 1992b; May, 1994; Watkins et al., 1989}. Nonetheless,  the  absence  of  a  sex  difference  has  been  reported  by  some authors {Kashuba et al., 1998; Kharasch et al., 1997; Kirkwood et al., 1991; Sitar, 1989;  Wilkinson,  1996}.  Females  have  been  reported  to  have  decreased CYP1A2 activity compared with males {Relling et al., 1992}. Some authors have shown  that  clearance  of  P‐gp  substrates  appears  to  be  similar  in men  and women  {Schwartz,  2003},  others  that  P‐gp  in men  seems  to  have  a  higher activity relative to women {Meibohm et al., 2002}. 

Smoking and diet

Life style appears  to have considerable  influence on expression or activity of CYP enzymes. The majority of PK interactions with smoking are the result of induction of hepatic CYP, primarily CYP1A2. Smoking may increase CYP1A2 activity  (and  possibly  CYP2E1  and  glucuronide  conjugation)  {Kroon,  2007; Zevin  et  al.,  1999}.  Consumption  of  cruciferous  vegetables  (e.g.  cabbage, Brussels sprouts) and food cooked over charcoal, and diets high in protein and 

27 

 

low  in  carbohydrates  may  also  increase  CYP1A2  activity.  Conversely, grapefruit juice, psoralens (found in parsley, parsnip and celery) and diets low in protein and high in carbohydrates may reduce CYP1A2 {Bailey et al., 1994; Kappas et al., 1978; Kappas et al., 1976; Yang et al., 1992}. Grapefruit  juice can also inhibit the activity of CYP3A4 {Bailey et al., 1994}. Activity of CYP2E1 may be induced by fasting {Hong et al., 1987} and chronic intake of alcohol {Perrot et al., 1989} and inhibited by substances found in cruciferous vegetables {Koop, 1992; Yang et al., 1992}. Caffeine from dietary sources (mainly coffee and tea) is the  most  frequently  and  widely  consumed  CNS  stimulant  in  the  world. CYP1A2  participates  in  the  metabolism  of  caffeine,  this  means  there  is  a potential  for PK  interactions due  to  inhibition of drugs  that are metabolised by, or bind to, this enzyme {Carrillo et al., 2000}. 

Nutritional status

Information  on  the  influence  of  nutritional  status,  e.g.  protein‐energy malnutrition  (PEM)  and  obesity,  on  drugs  is  limited. Many  phase  I  trials specifically exclude participants who are 15 % below or above their ideal body weight  {Stoltz et al., 2004}. A  tool  for  indicating nutritional status  in adults  is the body mass index (BMI). It is defined as the weight in kilograms divided by the square of the height in metres (kg/m2). During childhood and adolescence, the  ratio  between  weight  and  height  varies  with  gender  and  age  {WHO, 2007c}.   Underweight Malnutrition may be a chronic or acute problem, and primary or secondary to other  processes  {Torun  et  al.,  1999}.  Malnutrition  can  be  associated  with variable  but  potentially  important  effects  on  the  bioavailability,  binding, hepatic metabolism, and renal clearance of drugs. Changes in drug disposition may vary with  the degree of PEM.  In  severe PEM, drug absorption may be reduced. The protein carriers may be limited, low albumin means higher free fraction of drug) Even  slower oxidative metabolism  is described. These may result  in  higher  drug  concentrations.  In  mild  to  moderate  malnutrition, changes  in metabolism may  be minimal  or  of  limited  clinical  significance. However, clinical data to support this conclusion are very limited {Compher, 2004}.   An  adult  with  a  BMI  of  18.5  or  less  is  generally  considered  as  being underweight {WHO, 2009}. In pediatrics, underweight is defined as more than 

28 

 

2  standard  deviations  under  the  cut‐off  points  of  weight‐for‐age  reference range {WHO, 2007a}.   Obesity Knowledge of the influence of obesity on a drug’s PKs is limited. The altered pathophysiology of the obese body is likely to affect drug distribution within the  tissues  and  drug  elimination, whereas  absorption  does  not  seem  to  be modified  {Blouin  et  al.,  1999;  Cheymol,  2000}.  Body  composition  is characterised  by  a  higher  percentage  of  fat  and  a  lower  percentage  of  lean tissue  and water. Although  the  cardiac  output  and  total  blood  volume  are increased, the blood flow per gram of fat is less than in nonobese individuals. Albumin concentrations do not appear to be altered as a result of “moderate” obesity,  whereas  α1  acid  glycoprotein  levels  may  be  higher  but  this  is uncertain. Discrepancy exists across studies of obesity. Some data suggest that the  activity  of CYP2E1 may  be  increased, whereas CYP3A  activity may  be reduced or unchanged. CYP1A2 activity appears  to be unchanged. Different data on  renal  function  in obese  individuals have been provided. Glomerular filtration,  as  measured  by  creatinine  clearance  can  be  increased  in  obese individuals,  but  have  also  been  reported  to  be  unchanged  in  some  obese patients.  Indirect  evidence  suggests  that  tubular  secretion  may  also  be increased.  Lipophilic  drugs  do  not  necessarily  have  larger  distribution volumes  in  obese  individuals  and  some  are  not  even  be  stored  in  adipose tissue.    An adult with a BMI of 30 or more  is generally considered obese {WHO, 2009}.  In  fact, persons with obesity can be considered quite a heterogeneous group. Subjects with a BMI of 30‐35 may be quite different from those with a BMI of 45 or greater. A given BMI cannot differentiate  the degree of  fatness between  individuals. Definitions  of  obesity  in  children  have  been  less well defined. Overweight is defined as a more than 1 standard deviations over the cut‐off  points  of  weight‐for‐age  reference  range  and  obesity  more  than  2 standard deviations {WHO, 2007a}. 

Concomitant medication

Oral contraceptives The PK and clinical significance of the major drug interactions seen with oral contraceptives  (OC)  are  that  drugs may  impair  the OC  efficacy,  leading  to breakthrough bleeding and pregnancy, and situations where OC may interfere with the metabolism of other drugs. The molecular basis of these interactions 

29 

 

seems to be inhibition or induction of CYP3A and 2C families. CYP3A is one of the major  forms  involved  in 2‐hydroxylation of ethinylestradiol. Since many drugs  share  these  catabolic  pathways,  their  PKs  (as  well  as  PDs)  will  be affected  by  OC:  some  drugs  exhibit  reduced  clearance  (i.e.  alprazolam, diazepam) during OC  intake, and others accelerate  clearance  (i.e. morphine) {Back et al., 1990; Teichmann, 1990}.  Herbal medicines The  concomitant  use  of  herbal  medicines  and  pharmacotherapy  is  wide spread.  In  general,  use  of  herbal  remedies  and  supplements  is  constantly rising in the western population and this may be potentially dangerous due to adverse  effects  and  drug‐herb  interactions. Approximately  25 %  of  patients hospitalized  in  internal medicine wards  has  been  shown  to  consume  some kind of herbal or dietary supplement {Goldstein et al., 2007}. Many herbs and natural  compounds  isolated  from  herbs  have  been  identified  as  substrates, inhibitors,  and/or  inducers  of various CYP  enzymes  {Zhou  et  al.,  2004a}.  St. Johnʹs wort (Hypericum perforatum) is a potent inducer of CYP3A4 {Zhou et al., 2004b}.  It also  contains  ingredients  that  inhibit CYP1A2, CYP2C9, CYP2C19, CYP2D6 as well as P‐gp  {Gurley  et al., 2008; Hellum  et al., 2009; Wenk  et al., 2004;  Xu  et  al.,  2008}.  Many  other  common  medicinal  herbs  also  exhibit inducing or inhibiting effects on the CYP system {Delgoda et al., 2004; Mannel, 2004}.  

Polypharmacy Polypharmacy,  defined  as  more  than  2  concurrent  drugs  can  cause  PK interactions  and drug  incompatibility  {Bjerrum  et  al.,  1998}. The  interactions may  be  drug‐drug,  drug‐disease,  drug‐food,  drug‐alcohol,  drug‐herbal product,  drug‐nutritional  status  as  well  as multiple  PD  interactions might occur. One drug can potentiate or diminishes the action of the other drug by affecting  its absorption  from  the site of administration,  its disposition within the  body,  or  its metabolism  or  excretion.  The  outcome  of  PK  interactions depends  on  both  the  concentration  of  the  inhibitor  and  the  activity  of  that enzyme  in  the  specific  patient.  Polypharmacy  is widespread  in  populations around  the world,  especially  among  the  elderly  {Bjerrum  et  al.,  1998}. Age‐related  changes make  the  elderly,  especially  those with  chronic  conditions, susceptible  to many drug adverse effects. Polypharmacy  increases the risk of adverse  drug  reactions  (ADR),  interactions  and  incorrect  drug  use  {LeSage, 1991}. 

30 

 

  A  new  psychoactive  drug  is  studied  as  a  single  drug  versus  either  a placebo  and/or  a  comparator  agent.  Experience  with  any  new  psychiatric medication in combination with another medication is limited to a few short‐term  drug‐drug  interaction  studies,  usually  conducted  in  healthy  young volunteers  before drug  registration  and marketing  {Preskorn,  1995}. Despite this, the use of combinations of psychoactive drugs has been common practice in  adults  {Rittmannsberger  et  al.,  1999}. The use of  combination  therapy has expanded even in youths {Safer et al., 2003}. 

Compliance

Poor  compliance  is an  important  cause of both  therapeutic  failure and drug toxicity. Adherence  to  medication  plays  a  crucial  role  in  the  ultimate effectiveness  of  psychopharmacological  interventions  and  in  preventing relapse {Marcus et al., 1998}. Noncompliance is the most common cause of no response  to medication  {Kruse, 1992; Pullar et al., 1990}, and rival PKs as  the biggest single source of variance in drug response {Harter et al., 1991}. Factors contributing  to noncompliance may be:  lack of knowledge, poor motivation, decreased  understanding,  forgetfulness,  lack  of  support  from  family  and friends,  lack of daily  reminder  routine,  financial  factors, perception  that side effects  outweigh  benefits  and  poor  outpatient  education  programmes.  It would be odd science to try to assess drug actions when drug administration is  both  variable  and  unknown,  given  the  dose‐response  relation  {Urquhart, 1994}.    Medication compliance  is  typically poor  in adult psychiatric populations, and in young people receiving treatment for chronic diseases. Noncompliance is extensive within medication for schizophrenia and mood disorders. Patients receiving  antipsychotic  medication  take  an  average  of  58  %  of  the recommended  amount  of medications  and patients  receiving  antidepressant medication  take  an  average  proportion  of  65 %,  compared  to  patients with physical disorders who take 76 % of the recommended amount {Cramer et al., 1998}.  Noncompliance  includes  overuse,  abuse,  forgetting  to  take  the medications and alteration of schedules and doses. 

31 

 

Individualised drug dosage

A  complete  patient  evaluation  and  correct  diagnosis  remains  important  for ensuring proper treatment and selection of an appropriate psychoactive drug.  There  is a  common practice of administering a  standard dose  to all patients but, in order to give the right dose to the right patient, the drug dosage should be determined  individually  (Figure  9). The  individualization of dosages has the  obvious  objective  of maximizing  the  balance  between  the  efficacy  and safety of drug therapy. Many factors can affect a patient’s response to a drug. 

Brain,  body  and mind  relationships  are  extremely  complex  in  dealing with mood  disorders,  as  is  true  of  most  psychiatric  disorders.  In psychopharmacology, a number of bottlenecks have been identified. There can be discrepancies  between  treatment  recommendations  and  everyday  clinical practice,  or what  the  efficacy  of  a drug will  be  if  patients  do  no  take  their medication  (compliance).  Genetic  differences  in  drug  metabolism  are  an important  cause  of  unusual  drug  effects  or  concentration  levels.  It must  be 

Figure 9. Schematic interrelationship in the dose‐utility paradigm.  

32 

 

taken  into consideration  that a prescribed drug  is not  the  same  thing as one active  substance. Drug  activity  is  the  pharmacological  activity  of  the  active substance  and  its  potential  bioactive metabolites.  Further,  for  psychoactive drugs are important the ability of the drug to move across the BBB and to stay in the brain long enough to exert its desired action.   Although the drug concentration is important for the clinical response, it is not  the  sole  determinant  (e.g.  co‐morbid  conditions,  receptor  sensitivity). Response  in  psychiatry  is  based  on  subjective  assessment.  Nevertheless, objective data, such as drug concentration, can assist in the clinical decision, in absence of relevant biological measures {Yesavage, 1986}. 

Therapeutic Drug Monitoring (TDM)

The blood  is a unique body  fluid  in  that  it  stays  in  intimate contact with all tissues.  The  drug  concentration  in  the  blood  will  depend  on  absorption, distribution and elimination of the drug, and will continuously mirror the fate of  the drug  in various  tissues and organs. The basic assumptions underlying TDM are  that drug metabolism, as well as other  factors  that affect  the drug PKs, varies  from one patient  to another and  that  the blood  level of a drug  is more  closely  related  to  the  drug’s  therapeutic  effect  or  toxicity  than  is  the dosage. TDM comprises the assessment and communication of drug levels in blood  as  well  as  recommendations  for  dose  adjustments  {Glassman  et  al., 1985}.   The  foundation of modern TDM was established  in  the early 1970s, with monitoring of epileptic patients on phenytoin {Bowers, 1998}. The TDM is by tradition based on concentration intervals (therapeutic range or index) within which most subjects are expected to have their optimal response (high enough to give the desired effect but enough to avoid toxicity). Recommended dosing regimens are designed  to generate blood concentrations within a  therapeutic range. Therapeutic range is a statistical concept. A commonly used measure is the  lethal dose  of  a drug  for  50 %  of  the population  (Ld50) divided by  the minimum  effective  dose  for  50 %  of  the  population  (ED50).  Thus  defined, provides a very crude measure of  the safety of any drug as used  in practice. Consequently, some patients will exhibit such a response at blood levels below the  lower  limit of  the range, while others will require blood  levels exceeding the upper limit for therapeutic benefit. Therapeutic ranges, however, are only intermediate endpoints that must be used in the context of additional criteria 

33 

 

to assess the clinical efficacy of any given drug therapy. The therapeutic goal must be individualised.   The  field  of TDM  in psychiatry  began with  the  tricyclic  antidepressants {Alexanderson et al., 1969} and is based on indications of the existence of blood concentration‐effect  relationships  for a drug and motivated by a  therapeutic range (changes in systemic concentration can lead to significant change in PD response, i.e. subtherapeutic or toxic effects) {Friedman et al., 1986; Preskorn et al.,  1993}.  For  some  of  the  TCAs,  therapeutic  ranges  have  been  established {Preskorn et al., 1988}. The lack of easily defined therapeutic range among the new  psychoactive  drugs  has  not  been  shown  convincingly  for  TDM {Rasmussen et al., 2000}. But a number of specific situations have been defined in which determination of blood concentrations has been proven useful, such as  control  of  compliance,  drug  interactions,  and  identification  of  genetic peculiarities  of  drug metabolism  {Baumann  et  al.,  2004a; Hiemke,  2008c;  a; Hiemke  et  al.,  2004;  Jerling,  1995a}. A new way  of  looking  at TDM when  a psychoactive  drug  becomes  available  for  prescription  and  no  definitive concentration‐effect  relationships  have  been  demonstrated  is  considered {Bengtsson, 2004}; see Figure 10. The first outcome of a patient’s TDM should thereby be in “reference” to whether the patient has the “expected” amount of drug in relation to dose prescribed compared with interindividual PKs data as reference values. If a second TDM sample is drawn from the same patient after a period of  treatment,  this outcome  is compared with  the previous one. This strategy provides  a PK  instrument  to  answer  some  questions  related  to  the dosage of the patient. Therefore, if the metabolite of the parent compound has also  been  determined,  the  compliance  may  be  scrutinized  with  the  TDM‐procedure based on metabolite/parent compound  (M/P) ratio stability within individuals over time {Reis et al., 2004}.   Finally, the simple act of ordering a blood drug  level does not guarantee that the information will be meaningful or useful. The interpretation of blood concentrations can be profoundly  influenced by  factors such as  the timing of the  sample,  the  patientʹs  clinical  state,  the  drugʹs  pharmacokinetics  and metabolism,  as well  as  the  tube  type  and  analytic methodology  used.  The likelihood  of  obtaining  clinically  meaningful  and  useful  results  can  be maximized when  these  factors are  taken  into account  {Friedman et al., 1986}. TDM  must  include  sampling  organization,  measurement  of  psychoactive drugs  and  interpretation  of  the  blood  concentration,  for  individual  dose adjustment. A TDM  service  connotes an organized  system of  care  to  ensure that  the  serum  drug  concentration  will  have  maximal  positive  impact  on patient care {Schumacher et al., 1998}.

34 

 

Figure 10. TDM, inter‐/intraindividual reference. The primary TDM sample outcome will permit a PK interindividual comparison with the ”expected” TDM reference values. A secondary TDM sample outcome provides the possibility of PK interindividual comparison as well as comparison with the previous outcome (intraindividual reference). Dose‐adjustment over time is possible: to achieve the same amount (in some cases higher) of active drug in the body as the previous sample with good response.  

Genotyping

Pharmacogenetics  is  the  use  of  genomics  to  determine  a  subject’s  drug response and depends on  the availability and  reliability of genetic  testing as well  as  the  ability  of  providers  to  interpret  test  results  {Kalow,  1962}.  The genotype is the genetic constitution of an individual, either overall or at one or more  specific  loci.  Genotyping  is  the  determination  of  specific  genetic sequence  variations,  of  functionally  important  polymorphism,  in  the  gene encoding of a specific protein {Linder et al., 1997}. Genotype is not affected by other  factors,  such  as  concomitant  therapy.  However,  one  must  always consider the possible existence of unknown sequence variants. 

35 

 

   In short, subjects who carry 2 copies of a functional allele are genetically classified  as  EM,  while  those  carrying  two  defective  alleles,  are  PM {Kirchheiner et al., 2004}. Moreover,  in  the case of CYP2D6, subjects carrying more  than  two  copies  of  a  functional  allele  are  classified  as  UM.  Fairly recently,  a  novel  allelic  variant  of  CYP2C19  associated with UM  status  has been described and denoted CYP2C19*17 {Rudberg et al., 2008; Sim et al., 2006}. The  allelic  frequency  of  CYP2C19*17  was  different  between  Swedish  and Chinese subjects being 18 % and 4 % respectively {Sim et al., 2006}, but lower in the Japanese population, 1.3 % {Sugimoto et al., 2008}. 

Therapeutic range

Effect

Toxicity

UM

PM

EM

IM

IM

EM

PM

UM

Drug

Prodrug

Concentration

Probability (%)

50

100

in the blood

Figure 11. Concentration of a drug or prodrug, after a standard dose metabolised by a polymorphic enzyme.  

  Indications  for  genotyping  may  be:  identify  patients  who  are  PM  (a decreased metabolic capacity may lead to high blood levels and increased risk of toxicity or, if the main compound is a pro‐drug that needs to be activated, to therapeutic  failure), differentiate between patients who are UM  (may  lead  to low  blood  levels  of  the  drug  causing  therapeutic  failure)  or  have noncompliance,  and  differentiate  between  genetic  or  environmental  factors that affect drug metabolism (phenotype=genotype?) {Dahl et al., 2000; Droste et al., 2005}; see Figure 11. Additionally, dose adjustments would compensate for genetically  caused  differences  in  blood  concentrations  {Kirchheiner  et  al., 2004}. 

36 

 

Escitalopram

Escitalopram (S‐CIT) is the active substance, responsible for the antidepressant effect of citalopram {Montgomery et al., 2001}, which is a racemic mixture of S‐(+)‐  and  R‐(‐)‐citalopram  in  a  1:1  ratio.  Escitalopram,  the  S‐enantiomer  of citalopram, is a highly selective serotonin reuptake inhibitor. It was about 150 times more potent  than  the R‐enantiomer when  comparing  the  inhibition of serotonin (5‐HT) reuptake in an in vitro rat brain synaptosome system {Hyttel et al., 1992; Sanchez et al., 2003a; Sanchez et al., 2003b}. S‐CIT was launched in 2002  in  Sweden  for  major  depression,  panic  syndrome  with  or  without agoraphobia.  Later,  it  has  been  approved  for  social  phobia,  generalized anxiety  disorder  and  obsessive‐compulsive  disorder.  A  summary  of  the relevant  PK  data  for  S‐CIT  is  shown  in  Table  II  {Burke,  2002;  FASS,  2009; McRae, 2002; Sogaard et al., 2005}. The single‐ and multiple‐dose PKs of once‐daily  oral  escitalopram  10–30  mg  in  healthy  adult  volunteers  are  dose‐proportional. Concurrent ingestion of food with a single dose of S‐CIT 20 mg had  no major  influence  on  the  PKs  of  S‐CIT.  The  excretion  of  S‐CIT  and metabolites  is  primarily  renal. No  PK  studies  of  S‐CIT  have  demonstrated interconversion  of  the  S‐  and  R‐enantiomers  of  S‐CIT  in  plasma  or urine.{Murdoch et al., 2005; Sogaard et al., 2005}. 

S-citalopram S-desmethylcitalopram S-didesmethylcitalopram

CYP2C19CYP3A4 CYP2D6 CYP2D6

          Figure 12. Major CYP enzymes involved in the metabolic pathway of escitalopram           (S‐citalopram) and its metabolites.  

  Escitalopram  is  extensively  metabolized  by  CYP  enzymes  in  in  vitro analyses  of  human  liver  microsomes  {von  Moltke  et  al.,  2001}.  S‐CIT  is demethylated by CYP3A4, CYP2C19  and CYP2D6  to desmethylescitalopram (S‐DCIT),  whereas  only  CYP2D6  mediates  further  demethylation  to didesmethylescitalopram (S‐DDCIT) {Sindrup et al., 1993}; see Figure 12. S‐CIT is more potent  than S‐DCIT and S‐DDCIT  in serotonin reuptake  inhibition, 7 and  27  times  respectively,  indicating  that  the metabolites do  not  contribute 

37 

 

significantly to the antidepressant effects of S‐CIT {FDA:, ; Waugh et al., 2003}. It  has  been  shown  in  vitro  that  S‐CIT  is  a weak  or  negligible  inhibitor  of human CYP1A2, CYP2C9, CYP2D6, CYP2E1 and CYP3A4 {Brosen et al., 2001; Olesen et al., 1999}. 

Ziprasidone

Ziprasidone  (ZIP)  is  an  antipsychotic  agent with  combined  dopamine  and serotonin  receptor antagonist activity. ZIP has a high  affinity  for dopamine, serotonin,  and  alpha‐adrenergic  receptors  and  a  medium  affinity  for histaminic receptors. ZIP has an affinity  for 5‐hydroxytryptamine  (serotonin) 2A  (5‐HT2A)  receptors  that  is more  than  10‐fold higher  than  its  affinity  for dopamine  (D2)  receptors. ZIP  is  somewhat unique  among  the  ʺatypicalsʺ  in that  it  also  displays  some  inhibition  of  synaptic  reuptake  of  serotonin  and norepinephrine.  ZIP was  launched  in  2000  in  Sweden  for  the  treatment  of schizophrenia. Later,  it has been approved  for  treatment of acute manic and mixed episodes of bipolar disorders. A summary of  the relevant PK data  for ZIP  is  shown  in Table  II  {Ballas  et  al.,  2004; FASS,  2009; Gunasekara  et  al., 2002; Wilner  et  al.,  2000}. ZIP  has  a  relatively  short  half‐life  and  should  be given  in a  twice‐a‐day  (b.i.d.)  regimen. ZIP  tends  to  show predictable  linear PK (apparent dose‐proportionality between the 20 mg and 60 mg dose levels). ZIP is likely to prolong the corrected QT (QTc) interval to a greater extent than other second generation antipsychotic agents. The pharmacological profile of ZIP  suggests  a  low  potential  for  bodyweight  gain.  Absorption  of  ZIP  is increased up to 2‐fold in the presence of food. ZIP is extensively metabolised in the liver, predominantly via reduction by aldehyde oxidase and, to a lesser extent, via CYP3A4 and CYP1A2. ZIP  is not expected  to  interact with drugs metabolised by CYP enzymes, and  little potential exists  for drug  interactions with other highly protein‐bound drugs according  to  in vitro studies. Because ZIP  is  highly  metabolised  (less  than  5  %  of  the  drug  being  excreted unchanged),  renal  impairment  is unlikely  to have a  significant  impact on  its PKs {Green, 2001; Nemeroff et al., 2005; Weiden, 2001; Weiden et al., 2002}. 

38 

 

Table II. Pharmacokinetic data of escitalopram and ziprasidone Escitalopram (S-CIT) Ziprasidone (ZIP)

Racemic mixture S-(+)-enantiomer of racemic citalopram

No

Active metabolite(s) Yes (no clinically relevant antidepressant effect)

? *

tmax Parent drug Main metabolite

~4 hours ~6 hours

6-8 hours ?

Time to SS 1 week 1-3 days

t1/2 Parent drug Main metabolite

~32 hours ~54 hours

6.6 hours ?

Bioavailability 80 % 60 % (↑ up to 2-fold)**

Protein binding 80 % >99 %

Vd, parent drug 12-26 L/kg 1.1 L/kg

Linear kinetic

10 to 30 mg daily 80 to 160 mg daily**

Possible target doses (5) 10-20 mg daily (40) 80-160 mg daily

Impaired renal function ↑ t1/2 (dose adjustment) No dose adjustment?

Pathologic hepatic function

↑ t1/2 ↑ concentration (30%), ↑ t1/2 (dose adjustment)

Age dose adjustment No dose adjustment

Gender No dose adjustment

No dose adjustment

Metabolites:

S(+)-desmethylcitalopram (35 % of S-CIT) S(+)-didesmethylcitalopram (3 % of S-CIT)

S-methyldihydroziprasidone* (~105 % of ZIP) Ziprasidone sulphoxide* BITP sulphoxide BITP sulphone

Metabolism CYP2C19, CYP3A4, CYP2D6 aldehyde oxidase-medianted reduction plus S-methylation, CYP3A4, CYP1A2

Reference values:

10 mg ≈50 nmol/L (20-125) a 5-26 nmol/L c

40 mg ≈40±10 nmol/L b 121-290 nmol/L c

SS=steady‐state concentration, *QTc‐prolongation, **taken with food, tmax = time to maximum serum concentration, t1/2 =elimination half‐life, Vd =volume of distribution, BITP=benzisothiazole piperazine. Based in a FASS2009, b Wilner et al., 2000, c Baumann et al., 2004  

39 

 

AIMS

The  general  aim  of  this  thesis  was  to  provide  further  descriptive pharmacokinetics  (PKs)  of  psychoactive  drugs  and  linked  clinical  data  of patients  in  naturalistic  clinical  settings  in  Sweden.  The  PK‐data were  to  be assessed  by  means  of  determination  of  serum  trough  level  concentrations (Cmin) under  steady‐state conditions  (Css) of parent compounds and,  to  some extent, metabolite(s) from an established Therapeutic Drug Monitoring (TDM) laboratory  service.  In  a  subset  of  individuals,  the  CYP2D6,  CYP2C19  and CYP2C9 genetic expressions were to be assessed from blood samples acquired in parallel to the TDM‐samples. Specific aims were: Papers I and II 

‐To  describe  and  evaluate  the  interindividual  variation  of  serum concentrations  of  escitalopram  (S‐CIT),  ziprasidone  (ZIP)  and  their respective  metabolite(s)  in  terms  of  trough  values  under  steady‐state conditions,  in  heterogeneous  cohort  of  patients  using  oral  escitalopram (Cipralex®) and ziprasidone (Zeldox®), respectively. 

  ‐To describe and identify factors or subgroups with possibly deviating PK. ‐To study the intraindividual PK variation over time in patients repeatedly referred to the TDM service. 

Paper III ‐To analyse the serum concentration of different antidepressant drugs in a group of elderly patients in nursing homes in the Council of Östergötland. 

  ‐To investigate the use of antidepressant drugs in this group of patients. ‐To describe  the CYP enzymes’ genotypes and  their  correlation with  the concentrations of the antidepressant drugs. 

Paper IV ‐To  describe  and  evaluate  the  interindividual  variation  of  serum concentrations of different antidepressant drugs in terms of trough values under  steady‐state  conditions,  in  child  and  adolescent  patients  in  the south‐east region of Sweden. 

  ‐To describe and identify factors with possibly deviating PK. ‐To study the intraindividual PK variation over time in patients repeatedly referred to the TDM service. 

  ‐To investigate the use of antidepressant drugs in this group of patients. ‐To describe  the CYP enzymes’ genotypes and  their  correlation with  the concentrations of the antidepressant drugs. 

40 

 

MATERIAL AND METHODS

Subjects and study design

The  studies presented  in Papers  I,  II  and  IV  in  this  thesis were naturalistic, open‐labelled,  retrospective  and  descriptive  phase  IV‐studies,  based  on routine TDM data  from patients’  treated with  the drug(s)  studied. Primarily the psychiatrists were informed about the availability of the TDM service and the study purpose.   The patients  included  in Paper I were patients treated with escitalopram. At the request of the treating physician, a blood sample was sent to the TDM laboratory. A  total of 243 escitalopram analyses,  from a  total of 212 patients, were  requested  from  clinics  in  Sweden,  from  2002  to  2005.  Ninety‐one different physicians have requested  the TDM service  (6 physicians requested more than 10 analyses each).   The patients  included  in Paper  II were patients  treated with ziprasidone. At the request of the treating physician, a blood sample was sent to the TDM laboratory.  A  total  of  545  ziprasidone  analyses,  from  370  patients,  were requested  from  97 different  clinical  centers  in Sweden  (13  centers  requested more than 10 analyses each).   The  patients  included  in  Paper  IV  were  patients  from  Child  and Adolescent  Psychiatry Center  in  the  South‐East  of  Sweden,  treated with  an antidepressant drug. At the request of the treating physician, a blood sample was sent to the TDM laboratory. A total of 262 analyses were requested from 9 different  clinical  centers  (5  centres  requested more  than  10  analyses).  The samples were collected from 211 patients, between 2002 and 2004.   Paper III was a cross‐sectional study performed in selected elderly patients from nursing homes. All the elderly patients who were prescribed at least one antidepressant drug were selected. A total of 76 elderly people were selected after screening within 8 nursing homes in the County of Östergötland, during the last half of 2003. 

41 

 

Blood samples

Drug serum concentrations fluctuate after drug therapy has begun until there is  an  equilibrium,  or  steady‐state,  between  intracellular  and  serum concentrations.  The  t1/2  provides  an  approximation  of  how  long  it  takes  to attain  a  steady‐state  after  initiation  of  the  therapy.  In  general,  steady‐state blood  concentrations  of  a drug  are  reached  after  the drug doses  have  been given for a  length of time equal to 5 half‐lives of the drug {Greenblatt, 1993}; see  Figure  4.  The  timing  of  the  sample  in  relation  to  the  previous  dose influences  the  interpretation  of  a drug  concentration measurement. When  a patient takes a dose of a drug, the amount in the blood rises for a time period, peaks  and  then  began  to  fall  usually  reaching  its  lowest  level  (trough)  just before  the  next dose.  Peak  levels  should  be  below  toxic  concentrations  and trough levels should remain in the therapeutic range. 

Figure 13. TDM sample drawn as trough level.  

  In  the  four  studies  of  this  thesis,  requirements  were  made  for  blood samples  to  be  taken  as  trough  values  under  steady‐state  conditions  for determination of drug concentration (Figure 13). The recommendations to the 

42 

 

physicians  requiring  TDM  were  to  take  venous  blood  samples  by  cubital venipuncture.  Whole  blood  was  collected  (7  mL)  in  an  empty  test  tube (vacuum tube). For determination of the genotypes, a 10 ml blood sample was obtained in an ethylenediaminetetraacetic acid (EDTA)‐test tube. 

Determination of drug concentrations

Drug  analyses  were  done  at  two  accredited  laboratories  of  Clinical Pharmacology  in  Sweden.  An  accredited  analysis  is  a  quality‐validated method  with  an  internal  control  program,  as  well  as  participation  in  an external quality service.   Paper I. Analysis of escitalopram and its metabolites. Drug  concentrations  were  determined  at  the  Department  of  Clinical Pharmacology,  Linköping  University,  Sweden  by  high‐performance  liquid chromatography  (HPLC),  according  to  a  previously  published  method {Carlsson  et  al.,  2001}.  The  lower  limit  of  quantification  for  S‐CIT  and  its metabolites was 2 nmol/L.   Paper II. Analysis of ziprasidone and main metabolite. Drug  concentrations  were  determined  at  the  Department  of  Clinical Pharmacology,  Linköping  University,  Sweden  by  HPLC,  with  a  newly established method for clinical TDM service. The lower limit of quantification for ZIP and metabolite S‐methyldihydroziprasidone (SMDZ) was 20 nmol/L.   Papers III and IVThe  drug  samples  were  analyzed  at  the  accredited  laboratories  at  the Department  of  Clinical  Pharmacology,  Linköping  University  Hospital  and Lund University Hospital, Sweden. The assays were parts of a clinical TDM service. In short, HPLC was used for the determination of the TCA, citalopram {Carlsson  et  al.,  1997c},  fluoxetine,  paroxetine,  fluvoxamine,  sertraline, venlafaxine and mirtazapine. The enantioselective HPLC method {Carlsson et al., 2001} was used also in Paper III for the citalopram samples. 

Genotyping

Genomic  deoxyribonucleic  acid  (DNA)  was  isolated  from  peripheral leukocytes  according  to  the  DTAB/CTAB  method  {Gustincich  et  al.,  1991}. Extracted DNA was stored frozen at –20° C until analyzed. Determination of the  genotypes  of  CYP2D6,  CYP2C19  and  CYP2C9  was  performed  at  the 

43 

 

Department of Forensic Genetics and Forensic Toxicology, Swedish National Board of Forensic Medicine, Linköping, Sweden. The identification of CYP2D6 alleles *2, *3, *4, *5, *6, as well as multiple copies, CYP2C19 alleles *2, *3, *4 and CYP2C9 alleles *2, *3, *4, *5 was done by use of Pyrosequencing™ technology {Eriksson  et  al.,  2002;  Soderback  et  al.,  2005;  Zackrisson  et  al.,  2003},  a nonelectrophoretic, real‐time DNA sequencing. 

Request form

For  Papers  I,  II  and  IV,  a  specifically  designed  request  form was  used  to acquire relevant clinical data on the patient (Figure 14). The request form and sampling procedures were mailed to the treating physician at beginning of the study but were also available at the laboratory and mailed upon request of the clinics.  Information was  required  not  only  on  age  and  gender  but  also  on dosage of the studied drug, duration of current treatment, time  in relation to the  previous  dose,  indication  for  treatment  and  taking  of  blood  sample, concomitant drugs used (including oral contraceptives, oestrogen substitution therapy  and  herbal  medicine),  adverse  effects,  significant  somatic  illness, smoking  habits,  and weight  and  height  of  the  patients. Hepatic  and  renal dysfunction  were  evaluated  by  the  treating  physician  and  indicated  by  a checkmark  with  the  possibility  of  specifying  the  dysfunction.  Global effectiveness evaluation was  indicated on a visual analogue scale of 0 mm to 100 mm  at  the  time  of  blood  sampling  (0=  poor,  100=  good).  In  Paper  II, information on intake of food was requested. In Paper IV, a requirement was implentated that the prescribing physician ranked the indication for treatment, if there was more than one indication.   For Paper  III,  the data were obtained  from  the  available medical  record forms  at  the  nursing  homes  as well  as  a  questionnaire  about  possible  side effects and a gross evaluation of the clinical situation for the patient when data was collected, reported by the patient and/or nurse as yes/no. 

Stratification procedures for data collected

No  control  group  was  included  in  our  design.  Minimal  inclusion  and exclusion criteria were used in order to diminish the potential patient selection bias. 

44 

 

Figure 14. Request form: ziprasidone, escitalopram and for antidepressant drugs in  Children and Adolescents.  

45 

 

Internal validation

A  stratification  procedure  was  implemented  in  order  to  increase  data reliability  and  validity  in  the  PK  evaluations.  In  order  to  be  eligible  for scientific  evaluation,  samples  had  to  comply  with  predefined  inclusion criteria:  measurable  drug  and/or  metabolite  concentration,  information  on dose  regimen/daily dose prescribed and  the blood  sample should have been taken under steady‐state conditions and drawn at  the trough  level. Only one TDM  sample  per  patient  (the  first  eligible  sample)  was  collected.  These samples were referred to as the Patients Evaluated (PE); see Figure 15. Patients with  repeated  eligible  TDM  samples  were  entered  into  the  inter‐  and intraindividual variability determination. 

PAPER I

(2002-2005)

PAPER IV

(2002-2004)

PAPER II

(2001-2004)

243 TDM samples

PE

155 TDM samples

545 TDM samples

PE

121 TDM samples

262 TDM samples

PE

153 TDM samples

ITE

212 TDM samples

ITE

370 TDM samples

ITE

211 TDM samples

Figure 15. Summary of the stratification procedure. ITE= Intention‐to Evaluate, 1 st sample per patient, PE= Patients Evaluated, trough values in steady‐state. 1 st sample per patient  

External validation

To  control  selection  bias,  the demographics  of  the patients,  age  and  gender distribution  in  every  TDM  study,  were  compared  with  the  prescription demographics of the drug(s) during the study period, to assess selection bias and whether  the  limited  subpopulation  in  the  study was  representative  for 

46 

 

extrapolation of the study results (Figure 16). This  is possible  in Sweden due to all prescription drugs being delivered through the National Corporation of Swedish Pharmacies (Apoteket AB, Stockholm). 

Sweden

020406080

100

imipr

amine

chlom

ipr...

trimipr

amine

lofep

ramine

amitri

ptylin

e

nortri

ptylin

e

protrip

tyline

maprot

iline

fluox

etine

citalo

pram

parox

etine

sertr

aline

fluvo

xamine

escit

alopra

m

mianse

rine

mirtazap

ine

venla

faxine

rebox

etine

%

Council of Östergötland

0

20

40

60

80

100

imipr

amine

chlom

ipramine

trimipr

amine

lofep

ramine

amitri

ptylin

eno

rtript

yline

protrip

tyline

maprot

iline

fluoxe

tine

citalo

pram

paroxe

tine

sertr

aline

fluvo

xamine

escit

alopra

mmian

serin

emirta

zapine

venla

faxine

reboxe

tine

%

Study

0

20

40

60

80

100

120

140

imipr

amine

chlom

ipram

inetrim

ipram

inelof

epram

ineam

itripty

line

nortr

iptyli

nepro

triptyl

inemap

rotilin

eflu

oxeti

necit

alopra

mpa

roxeti

nese

rtrali

neflu

voxa

minees

citalo

pram

mianse

rine

mirtaza

pine

venla

faxine

rebox

etine

%

Figure 16. Prescription of antidepressant drugs.  Comparison between the data collected from the age group older than 65 years in Sweden, Council of Östergötland during 2003 and study III.  

Screening for drug-drug interactions

Polypharmacy is common in psychiatric patients and is of clinical importance. The drug PK was explored regarding concomitant medication  to assess drug interaction in the clinical setting. Each request form was categorized into one of  five  groups,  in  order  to  simplify  the  database  search  routines  and  the evaluation. The  five drug  therapy groups were: 1) “monotherapy”  (the drug studied as the only drug); 2) “CNS monocombination” (the drug studied plus, 1 CNS‐active drug); 3) “CNS polycombination”  (the drug studied plus, more than 1 CNS‐active drug); 4) “Somatic monocombination ”  (the drug  studied 

47 

 

plus, 1 “somatic” drug); and 5) “polypharmacy” (the drug studied plus, mixed CNS‐active and “somatic” drugs or more than 1 “somatic” drug). CNS‐active drug was categorized as “N” according to the ATC system {WHO, 2001a} and “somatic” drug according to the other ATC groups. The screening procedure should show a variation in the drug concentration or metabolic ratio between monotherapy  compared  to  polypharmacy  and  whether  concomitant medication included an inhibitor or inductor. 

Statistical analysis

The  bioanalysis  results  and  the  acquired  request  form  information  were entered  in  to  a  specifically  designed  application  in  a  database  (Access®, Microsoft, Redmond, WA), according to previously designed for PK studies in the naturalistic  setting  {Reis  et  al.,  2003; Reis  et  al.,  2002a; Reis  et  al.,  2002b}. After  analysis,  the  data  were  transferred  from  the  database  management software over to the program that carried out the statistical analysis.    The statistical methods used in each study are described in the respective papers.  Variables  were  tested  for  normality  distribution  using  the Kolmogorow‐Smirnov test (yielding that data were non normally distributed). Covariations of variables were analysed using the Spearman rank correlation (rs)  test  or  Pearson  correlation  (r)  coefficient  after  a  10  logarithmic transformation  had  been  performed.  Besides  descriptive  statistics,  analytic statistics were used. Mann‐Whitney’s U test and Kruskal‐Wallis were used in order to compare two respective more than two group characteristics. The p‐values below 0.05 were accepted as statistically significant.   Dose  normalization:  due  to  a wide  prescribed  dose  range  of  the  drugs studied, a correction for the serum concentration results in relation to the daily dose  for both parent  compound  and metabolite(s) was  calculated  for group comparisons. Despite proportional dose‐concentration linearity was assumed, an approximation bias might be  introduced. This may  to be weighed against the advantages of more large subgroups of patients available to compare. The concentration‐over‐dose  (C/D)  acquired  in  this way  approximates  the  drug concentration in nmol/L per mg per day of administered drug. The inter‐ and intraindividual  variation was  calculated  by  the  coefficient  of  variation  (CV) expressed in percent. 

48 

 

Ethical considerations

During  the  design  and  conduct  of  these  studies,  ethical  awareness  was considered  important.  Participants  in  the  naturalistic  studies  in  this  thesis already had  a  treatment of  the disease  from  their  routine medical  care. The intervention,  the  venipuncture, was  a  part  of  the  checking  of  the  patients’ therapeutic efficacy. Ethical dilemmas concerning genotyping as a genetic test with  isolation of genomic DNA, had explicitly been taken  into consideration. Genotyping of the drug metabolism enzyme genes may not be considered as an  invasion  of patient’s privacy  since  these  genes  have  not  been  associated with  increased  risk  of  disease.  However,  patient’s  integrity  has  been guaranteed by an anonymization procedure of  the  information  from patients entered  into  the  database. All  four  studies were  approved  by  the Regional Ethics Committee, Faculty of Health Sciences, Linköping University, Sweden with the following registration numbers: 03‐407, 02‐246, 03‐139 and 02‐075.  

49 

 

RESULTS

Paper I

A  summary  of  the demographics  and  clinical  information  from  the  request forms follow the stratification procedures as shown in Table III. In the work‐up procedure aimed at providing valid data  for  the PK scientific evaluation, about 25 % of the samples had to be excluded from a scrutinized evaluation, due  to  a  lack  of  essential  information  such  as  the  actual  dose  of  the escitalopram or the time for blood sampling in relation to the previous dose of the drug indicated on the request forms.  

1 2 3 4 6 7 8 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 38 49 740

10

20

30

40

50

Trough value; 10-30 hours

Number of hours between last dose and sampling

Num

ber

of r

eque

st fo

rms

Figure 17. The timing of the sample in relation to the last intake of the drug in ALL collected samples.  

 

50 

 

51 

Table III. Demographic data from the escitalopram analysis request forms All samples ITE samples* PE samples**Number of patients (n) 243 212 155Gender, n (%)

Women 166 (68) 144 (68) 105 (68)Men 77 (32) 68 (32) 50 (32)

Age, median (range), y All 48 (13-95) 47 (13-95) 48 (17-95)

Women 45 (13-95) 45 (13-95) 47 (17-95)Men 50 (19-89) 49 (19-89) 57 (19-89)

Dos, median (range), mg/daily All 20 (2.5-70) 20 (2.5-40) 20 (5-40)

Women 20 (2.5-60) 18 (2.5-40) 20 (5-40)Men 20 (5-70) 20 (2.5-40) 20 (5-40)

Not registered, n (%) 1 (0.4) 1 (0.5) ---Dose regimen, n (%)

Once a day 235 (97) 208 (99) 153 (99)Twice daily 7 (3) 3 (1) 2 (1)

Not registered, n (%) 1 (0.4) 1 (0.5) --Median time elapsed (range), hr

All 24 (1-74) 24 (1-74) 24 (11-29)Not registered, n (%) 29 (12) 28 (13) ---

Median time for treatment (range), day All 103 (5-1156) 93 (7-1156) 92 (14-681)

Not registered, n (%) 78 (32) 69 (33) 39 (25)Indication for treatment, n (%)

According to FASS# 203 (93) 177 (94) 126 (93)Other 15 (7) 11 (6) 9 (7)

Not registered, n (%) 25 (10) 24 (11) 20 (13)Indication for analysis, n (%)

Routine check-up 143 (64) 126 (66) 93 (66)Compliance 11 (5) 8 (4) 8 (6)

Undertreatment 38 (17) 33 (17) 25 (18)Overtreatment 6 (3) 6 (3) 2 (1)

Other 24 (11) 18 (9) 12 (9)Not registered, n (%) 21 (9) 21 (10) 15 (10)

Somatic status, n (%) Healthy 145 (70) 124 (69) 89 (66)

Not healthy 63 (30) 57 (31) 45 (34)Not registered, n (%) 34 (14) 31 (15) 21 (13)

Smoking habits, n (%) Yes 47 (20) 39 (20) 31 (21)No 152 (67) 133 (67) 99 (67)

Snuff/other 30 (13) 27 (14) 18 (12)Not registered, n (%) 14 (7) 13 (6) 7 (4)

Hepatic function, n (%) Normal 221 (98) 194 (98) 143 (99)

Pathologist 4 (2) 4 (2) 2 (1)Not registered, n (%) 18 (7) 14 (7) 10 (6)

Renal function, n (%) Normal 224 (99) 196 (99) 146 (100)

Pathologist 2 (1) 2 (1) --Not registered, n (%) 17 (7) 14 (7) 9 (6)

BMI, kg/m2, median (range) All 25.2 (16.4-119.6) 25.2 (16.4-119.6) 24.9 (16.4-119.6)

Women 24.8 (16.4-119.6) 24.7 (16.4-119.6) 24.1 (16.4-119.6)Men 25.9 (17.8-42.3) 25.7 (17.8-42.3) 25.8 (17.8-42.3)

Not registered, n (%) 45 (18) 40 (19) 29 (19)Side effects, n (%)

Yes 45 (28) 40 (29) 26 (27)No 113 (72) 98 (71) 70 (73)

Not registered, n (%) 85 (35) 74 (35) 59 (38)Concomitant medication, n (%)

S-CIT only 33 (16) 27 (15) 21 (15)S-CIT + 1 drug 42 (20) 39 (22) 29 (21)

S-CIT + ? 2 drug 131 (64) 115 (64) 89 (64)Not registered, n (%) 37 (15) 31 (15) 16 (10)

Effectiveness, VAS Median (range), mm 50 (0-90) 50 (0-90) 57 (0-90)

Not registered, n (%) 66 (27) 53 (25) 43 (28)*ITE = one sample per patient. **PE samples = first individual steady state trough value samples. #Recommended indications for treatment according to the Physicians’ Desk Reference (FASS) during the period the samples were collected: major depression, panic syndrome, and social phobia.  

 

  An important task in this study was the collection of serum concentrations of  S‐CIT  and  its metabolites  in  a  substantial  number  of  patients  after  oral escitalopram,  in order  to produce  relevant material  in  the  form of  reference values  for  comparisons  in  routine  TDM  service,  as well  as  the  information provided on toxicology. The timing of the sample in relation to the last intake of  oral  escitalopram was widely  spread  (Figure  17). The  trough value  for  a sample to be  included  in the scientific analysis was defined as sampled 10 to 30  hours  post  dose.  The  quantification  of  the  parent  compound  and  its metabolites at each dose level are displayed in Figure 18. 

0

100

200

300

400

500

5 mgn=11

40 mgn=8

30 mgn=19

25 mgn=6

20 mgn=54

10 mgn=40

15 mgn=13

Seru

m S

-CIT

con

cent

ratio

n (n

mol

/L)

0

50

100

150

200

5 mgn=11

40 mgn=8

30 mgn=19

25 mgn=6

20 mgn=53

10 mgn=40

Seru

m S

-DC

IT c

once

ntra

tion

(nm

ol/L

)

15 mgn=13

0

10

20

30

5 mgn=9

40 mgn=7

30 mgn=17

25 mgn=4

20 mgn=46

10 mgn=29

15 mgn=13

100200

300

Seru

m S

-DD

CIT

con

cent

ratio

n(n

mol

/L)

0.0

0.5

1.0

1.5

2.0

2.5

5 mgn=11

40 mgn=8

30 mgn=19

25 mgn=6

20 mgn=53

10 mgn=40

15 mgn=13

Rat

io S

-DC

IT/S

-CIT

Figure 18. Escitalopram (S‐CIT), S‐desmethylcitalopram (S‐DCIT), S‐didesmethylcitalopram (S‐DDCIT) and S‐DCIT/S‐CIT ratio.  Median concentration, 25th and 75th percentiles and min‐max values.  

  Other important findings from Paper I can be summarised thus: ‐The median daily dose of oral escitalopram was 20 mg (54 % of the patients took 20 mg or more per day). ‐The concentration over dose (C/D) of S‐CIT and S‐DCIT was comparable with previously published data  for citalopram assuming  the S/R  ratio  for  racemic citalopram 0.5‐0.6 and for racemic desmethylcitalopram 0.7. ‐The S‐DCIT/S‐CIT ratio 0.6 was higher than previously published data. ‐An extensive CV of concentration of S‐CIT and metabolites was found. 

52 

 

‐The  intraindividual CV for the ratio S‐DCIT/S‐CIT was 23 %,  lower than the interindividual CV (Table IV).‐The CV of C/D of S‐DCIT (36 %) was lower than for C/D of S‐CIT (71 %). ‐S‐DCIT/CIT  ratio was  higher  in women  than  in men  (0.64  versus  0.50). A lower  S‐DCIT/S‐CIT  ratio  was  seen  in  women  taking  oral  contraceptives compared  with  women  in  the  same  age  range  without  external  hormone influences. ‐Higher serum concentrations and greater concentration variance were found in  patients  older  than  65  years  of  age,  but  no  gender‐related  concentration differences were found. ‐Polypharmacy was present  in this population. The median number of drugs apart from escitalopram was 4 per patient (range 1‐18). ‐In about 62 % of the patients with repeated eligible TDM data (16 patients), a change in treatment strategies was shown between the first and second sample of the patient. These changes have consisted of an increase in the doses. 

Table IV. Pharmacokinetic variability in the studies  Escitalopram Ziprasidone Citalopram Sertraline

n 16 (overall 155) 28 (overall 121) 44 108

Interindividual,CV %

C/D Parent drug 71 (overall 67) 49 (overall 62) 46 64

C/D Main metabolite 36 (overall 43) 37 (overall 56) 41 54

Metabolic ratio 62 (overall 74) 19 (overall 57) 74 37

Intraindividual, CV %

C/D Parent drug 35 39

C/D Main metabolite 29 45

Metabolic ratio 23 59  Inter‐  and  intraindividual  variation  over  time  of  dose‐normalized  (C/D)  serumconcentrations of parent drug, main metabolite and the metabolite/parent drug rations   

53 

 

Paper II

A  summary  of  demographic  and  other  essential  clinical  request  form  data from all samples to the patients evaluated (PE) are presented in Table V. Up to 27 % of the samples had been excluded in the work‐up procedure due to a lack of essential information in the request forms.   Serum concentrations of ZIP and main metabolite in a large population of patients  after  oral  ziprasidone  were  provided  as  reference  values  for comparisons  in  routine  TDM  service  as  well  as  on  toxicology.  The concentrations of ZIP, SMDZ and SMDZ/ZIP ratio are shown in Figure 19. The timing of the sample in relation to the last intake of oral ziprasidone was also wide (Figure 20). All serum samples taken between 11 to 13 hours post dose were  defined  as  trough  values.  The  serum  concentration  range  for  ALL collected data is described in Table VI.  

Median 25%-75% Non-Outlier Range Outliers Extremes40 60 80 120 160 200 240

Daily dose (mg)

0,0

0,2

0,4

0,6

0,8

1,0

1,2

1,4

1,6

1,8

2,0

2,2

2,4

Rat

io S

MD

Z/ZI

P

Median 25%-75% Non-Outlier Range Outliers Extremes40 60 80 120 160 200 240

Daily dose (mg)

0

100

200

300

400

500

600

700

Zipr

asid

one

(nm

ol/L

)

Median 25%-75% Non-Outlier Range

Outliers Extremes40 60 80 120 160 200 240

Daily dose (mg)

-50

0

50

100

150

200

250

300

350

400

450

500

SM

DZ

(nm

ol/L

)

 Figure 19. Ziprasidone (ZIP), S‐methyldihydroziprasidone (SMDZ) and SMDZ/ZIP ratio. Median concentration, 25th and 75th percentiles and min‐max values.  

54 

 

55  

Table V. Demographic data from the ziprasidone analysis request forms  All samples ITE samples* PE samples**Number of patients (n) 545 370 121Gender, n (%)

Women 295 (54) 209 (56) 68 (56)Men 250 (46) 161 (44) 53 (44)

Age, median (range), y All 37 (9-81) 36 (9-81) 36 (15-68)

Women 38 (9-71) 38 (9-71) 36 (15-68)Men 36 (14-81) 36 (14-81) 35(20-61)

Dos, median (range), mg/daily All 120 (20-320) 120 (20-320) 120 (40-240)

Women 120 (20-180) 120 (20-240) 140 (40-240)Men 120 (20-320) 100 (20-320) 120 (40-240)

Not registered, n (%) 16 (3) 8 (2) ---Dose regimen, n (%)

Once a day 44 29 ---Twice daily 453 (89%) 304 (88%) 121 (100%)

Three times daily 12 10 ---Four time daily 1 1 ---

Not registered, n (%) 35 (6) 26 (7) ---Median time elapsed (range), hr

All 12 (0.25-38) 12 (0.25-38) 12 (11-13)Not registered, n (%) 114 (21) 90 (24) ---

Median time for treatment (range), day All 152 (1-1328) 96 (1-1203) 111 (9-1124)

Not registered, n (%) 173 (32) 140 (38) 20 (16)Indication for treatment, n (%)

Schizophrenia or psychotic dis. 288 (93) 175 (93) 69 (90)Other 21 (7) 14 (7) 8 (10)

Not registered, n (%) 236 (48) 181 (49) 44 (36)Indication for analysis, n (%)

Routine check-up 271 (68) 165 (65) 63 (65)Compliance 54 (14) 37 (15) 16 (16)

Undertreatment 42 (10) 32 (12) 10 (10)Overtreatment 23 (6) 16 (6) 6 (6)

Intoxication 2 (1) 2 (1) ---Other 3 (1) 3 (1) 2 (2)

Not registered, n (%) 150 (27) 115 (31) 24 (20)Somatic status, n (%)

Healthy 252 (84) 148 (82) 75 (90)Not healthy 48 (16) 32 (18) 8 (10)

Not registered, n (%) 245 (45) 190 (51) 38 (31)Smoking, n (%)

Yes 177 (51) 107 (50) 50 (53)No 171 (49) 107 (50) 45 (47)

Not registered, n (%) 197 (36) 156 (42) 26 (21)Hepatic function, n (%)

Normal 158 (76) 96 (76) 46 (78)Pathologist 50 (24) 30 (24) 13 (22)

Not registered, n (%) 337 (62) 244 (66) 62 (51)Renal function, n (%)

Normal 142 (84) 79 (80) 36 (82)Pathologist 28 (16) 20 (20) 8 (18)

Not registered, n (%) 375 (69) 271 (73) 77 (64)BMI, kg/m2, median (range)

All 29.5 (14.7-56.4) 29.1 (14.7-56.4) 29.7 (14.7-43.9)Women 29.8 (14.7-56.4) 29.3 (14.7-56.4) 29.9 (14.7-43.9)

Men 29.2 (16.8-52.0) 28.9 (16.8-52.0) 29.4 (18.5-41.2)Not registered, n (%) 278 (51) 212 (57) 49 (40)

Side effects, n (%) Yes 79 (29) 58 (32) 15 (20)No 195 (71) 123 (68) 59 (80)

Not registered, n (%) 271 (50) 189 (51) 47 (39)Concomitant medication, n (%)

Ziprasidone only 33 (8) 20 (7) 10 (10)Ziprasidone + 1 other drug 67 (15) 49 (17) 18 (17)

Ziprasidone + ?2 drug 337 (77) 222 (76) 76 (73)Not registered, n (%) 108 (20) 79 (21) 17 (14)

Effectiveness, VAS Median (range), mm 54 (10-95) 54 (11-94) 50 (14-85)Not registered, n (%) 319 (58) 218 (59) 56 (46)

*ITE = one sample per patient. **PE samples = first individual steady state trough value samples 

 

0,3

1,8

3,3

4,8

6,4

7,9

9,4

11,0

12,5

14,0

15,6

17,1

18,6

20,1

21,7

23,2

24,7

26,3

27,8

29,3

30,9

32,4

33,9

35,4

37,0

38,5

Number of hours between last dose and sampling

0

20

40

60

80

100

120

No

of re

ques

t for

ms

11-13

11-16

 Figure 20. The timing of the sample in relation to the last intake of the drug in ALL collected samples. Trough values, 11 to 13 hours.  

Ziprasidone (ZIP) -methydihydroziprasidone (SMDZ) in

Table VI. Serum concentration ranges in ALL collected samples for ziprasidone and  metabolite  

n Min 25th percentile

Median 75th

percentile Max Linearity,

r (p<0.05) ZIP 516 10 68 120 190 1400 0.37

SMDZ 481 5 45 73 116 556 0.46

SMDZ/ZIP 474 0.03 0.39 0.59 0.89 11.39 no

   Other important findings from Paper II can be summarised thus: ‐The median daily dose of oral ziprasidone was 120 mg. The most frequently prescribed dose was 160 mg. ‐Pronounced interindividual concentration variability at each dose level of ZIP and SMDZ was found. ‐The intraindividual CV of C/D of SMDZ and SMDZ/ZIP ratio was higher than the interindividual CV (Table IV). ‐The SMDZ/ZIP ratio was found to decrease with increasing concentration of ZIP (r= ‐0.51). 

56 

 

‐Smoking women  had  a  lower  C/D  of  ZIP  than  non‐smoking women  and significantly higher daily doses. ‐No  significant difference  between  the  first  and  the  last  sampling  occasions was found regarding the BMI over time (n=37). ‐Polypharmacy was present  in this population. The median number of drugs apart from ziprasidone was 3 per patient (range 1‐18). ‐In 54 % of  the patients with  repeated eligible TDM  samples  (28 patients), a change  in  treatment  strategies  between  the  first  and  second  sample  of  the patient was found. In the majority of the patients the dose had been increased. 

Paper III

A  summary  of  demographic  and  data  adhering  to  general  patient characteristics  is presented  in Table VII, as well as data collected with  focus on the antidepressant drug treatment.    The  prescription  of  antidepressant  drugs  in  the  nursing  homes  studied was 38 %. SSRIs were prescribed to 86 % of the elderly, above all citalopram (62 %). The concentrations of  the antidepressant drugs were higher, or much higher, than could be expected from the dose administered in 73 % of elderly people evaluated (Figure 21).  

4%

23%

73%

11%26%

63%

4%

23%

73%

11%26%

63%High

High

Expected

ExpectedLowLow

Figure 21. Estimated concentration to dose in the elderly (left) and in the paediatrics (right).

 

57 

 

58 

 

Table VII. Summary of demographic and data concerning general patient characteristics (right) and summary of data collected with focus on the antidepressant drug treatment (left) Number (n) of patients 71 Number (n) of patients 71 Gender, n (%) Diagnosis, n (%)

Women 57 (80) Depression 41 (60.3) Men 14 (20) Dystymi 11 (16.2)

Age, mean in years (range) Compulsion 1 (1.5) Women 85 (72-100) Panic 1 (1.5)

Men 84 (71-98) Manodepressiva 1 (1.5) Nursing home (n of beds), n (%)

Other 13 (19.0)

VG (50) 19 (38) Not register 3 (4.0) K (36) 7 (19) Treatment initiated by SPSY, n (%)

KG (30) 7 (23) Yes 5 (8) HG (26) 5 (19) No 58 (92) RG (25) 15 (60) Not register 8 (13) EB (12) 6 (50) Aware of their ongoing medication, n (%) BB (11) 8 (73) Yes 16 (23) ÖG (8) 4 (50) No 50 (70)

BMI, kg/m2, mean (range) Not answer 5 (7) Women 26.6 (18.3-39.6) The duration of current treatment, n (%)

Men 25.0 (20.1-37.8) < 6 month 6 (13) Food intake, n (%) 6-12 month 9 (19)

Self-eat 46 (65) 1-2 years 5 (11) Self-eat after request 10 (14) >2 years 27 (57)

Self-eat with assistance 10 (14) Not register 24 (34) Feeding 5 (7) Evaluation of the clinical situation*

Coffee, n (%) Interest in personal hygiene 51 (18-93) Yes 61 (86) Sadness 47 (17-75) No 10 (14) Anxiety 44 (6-77)

Smoking, n (%) Social function 42 (6-78) Yes 2 (3) Agony 20 (5-56) No 69 (97) Insomnia 10 (3-45)

Physical activities, n (%) Side-effects: YES, n (%)/not register Confined to bed 4 (6) Dizziness 26 (37)/5

Sitting 32 (45) Obstipation 25 (35)/5 Walking/going 22 (31) Xerostomia 21 (30)/4

0ut walking 13 (18) Nausea 14 (20)/6 Blood pressurea Dyspepsia 5 (7)/6

Diastolic 71 (50-100) Concomitant drugs Systolic 134 (100-220) number of drugs, mean (range) 10.7 (4-19)

Chemistry parametersb > 1 antidepressant drugs 2 patients Haemoglobin (g/L) 125 (99-166) number of CNS drugs, mean (range) 2.3 (1-5)

MCV (fL) 92 (82-107) > 1 CNS drug 46 patients Leukocytes (x109/L) 7.0 (3.0-15.0) >2 CNS drugs 29 patients

Platelets (x109/L) 258 (105-446) >3 CNS drugs 8 patients ASAT (µkat/L) 0.33 (0.18-1.1) >4 CNS drugs 4 patients ALAT (µkat/L) 0.30 (0.10-1.5)

Na (mmol/L) 141 (127-147) K (mmol/L) 4.0 (3.1-5.3)

Creatinine (µmol/L) 100 (56-282) Albumin (g/L) 37 (28-46)

TSH (mU/L) 2.2 (0.2-28)

a mean in mmHg; b mean (range); SPSY=specialist in psychiatry; * VAS‐recording= 0‐100 mm, median (25th -75th percentiles)

 

  The PK of citalopram  in  the elderly was analysed. Citalopram  (CIT)  is a racemic drug  (50/50 of R‐ and S‐CIT enantiomers). The  result of enantiomer analysis  (S/R  ratio)  of  citalopram,  desmethylcitalopram  (DCIT)  and didesmethylcitalopram  (DDCIT),  a  steady‐state  trough  value  serum concentration  in  patients  receiving  different  oral  citalopram  doses  was presented  in Table VIII. A significant correlation between  the  total racemate concentration for CIT and S/R‐CIT ratio (rs = 0.59) and for DCIT and S/R‐DCIT ratio  (rs  =  ‐0.58) was  found. The  significant  calculated  Spearman  correlation coefficient between the estimation of creatinine clearance and C/D of CIT and DCIT  were  –0.47  and  –0.65,  respectively  (p≤0.001).  A  pronounced interindividual  variation  of  C/D  of  CIT,  metabolites  and  ratio  was  found (Table IV). 

Table VIII. Serum concentrations of citalopram (CIT), desmethylcitalopram (DCIT) and didesmethylcitalopram (DDCIT) in patients receiving citalopram, in terms of steady-state and trough values. Concentrations in nmol/L. *25th-75th percentiles

Oral Citalopram, daily dose

CIT

S/R- cit

DCIT S/R- Dcit

DDCIT S/R-DDcit

DCIT/CIT N

10 mg

median percentiles* min-max

CV

173 101-222

74-225 53%

0.74 0.61-0.85 0.57-0.86

20%

45 40-62 35-80

35%

0.73 0.66-0.74 0.60-0.75

10%

12 10-18

9-22 38%

0.48 0.43-0.53 0.40-0.57

15%

0.34 0.20-0.55 0.20-0.62

58%

4

20 mg

median percentiles* min-max

CV

258 175-344

81-613 49%

0.77 0.47-0.95

0.31.01 36%

91 71-119 38-307

45%

0.63 0.54-0.74 0.35-0.95

26%

16 6-26 0-67 81%

0.47 0.34-0.56 0.00-1.00

44%

0.38 0.26-0.53 0.17-0.89

45%

30

30 mg

median percentiles* min-max

CV

449 330-528 206-656

38%

0.80 0.63-0.86 0.38-0.90

35%

153 113-183

82-204 32%

0.55 0.54-0.59 0.53-0.64

8%

29 24-34 12-51

44%

0.33 0.32-0.38 0.19-0.90

56%

0.26 0.22-0.55 0.19-0.74

50%

5

40 mg

median

690

1.00

176 0.56 22 0.38 0.25 1

  Other important findings from Paper III can be summarised thus: ‐According  to  their medical  records,  the vast majority of  the patients  (96 %) were  found  to have an  indication motivating antidepressant drug  treatment. Depression was the indication in 60 % of the cases. ‐The duration of the antidepressant drug treatment was greater than 2 years in 57 %  of  patients. No  clear  time  schedule  for  how  long  the  drug  treatment should continue was found in the patients’ current medical records. ‐A majority of patients were not aware of their ongoing medication. ‐The median  prescribed dose  of  the  antidepressant  drugs was  the  same,  or higher  than  the  recommended  daily  dose  in  the  Swedish  Physician’s Desk 

59 

 

Reference  or  the  defined  daily  dose  (DDD)  applicable  for  younger  patients {WHO, 2001a}. ‐Possible adverse effects of  the drug  treatment could be retrieved  in 77 % of elderly people. ‐Polypharmacy was present in this group of population. The median number of drugs per patient, apart from the antidepressant drug, was 11 (range 4‐19). ‐The results of all patients genotyped in the study are shown in Table IX. The genetically  identified  PMs  for  CYP2D6  displayed  higher  concentrations  of fluoxetine  (n=2)  and  venlafaxine  (n=1)  than  did  non‐PMs  for  the  respective antidepressant drugs. The PM  for CYP2C19 showed higher concentrations of citalopram than non‐PMs.  Table IX. CYP‐genotype outcome in the elderly 

CYP2D6 CYP2C19 CYP2C9Number (n) of patients 70 70 70Expected phenotype, n (%)

Poor metabolizers 6 (8.5) 2 (2.8) 3 (4.2)Intermediate metabolizers 25 (35.7) 16 (22.8) 20 (2.8)

Extensive metabolizers 38 (54.3) 52 (74.2) 47 (67.1)Ultrarapid metabolizers 1 (1.4) - -

Paper IV

A  summary  of  demographic  and  other  essential  clinical  request  form  data from all samples to the patients evaluated (PE) is presented in Table X. Only 8 % of the samples had been excluded in the work‐up procedure due to a lack of essential information in the request forms.   SSRIs were  prescribed  to  98 %  of  the  patients  in  this  study,  above  all sertraline (67 %). The concentrations of antidepressant drugs were as expected from the dose administered in 63 % of the patients evaluated (Figure 21).   Focus was on  the PK of  sertraline  (SERT). No  relationship between  any clinical information of the patient on the request forms and drug concentration of  SERT  and metabolite  desmethylsertraline  (DSERT)  was  found,  except  a significant difference  in  the  ratio DSERT/SERT between monotherapy  (n=41) and  nonmonotherapy  (n=38),  2.4  versus  2.1  (p=0.013),  but  no  difference between doses was shown. The interindividual PK variability of C/D of SERT and DSERT, as well as the ratio are shown in Table IV. 

60 

 

61 

 

Table X. Demographic data from the request forms  All samples ITE samples* PE samples**Number of patients (n) 262 211 153Gender, n (%)

Women 167 (64) 134 (64) 94 (61)Men 95 (36) 77 (36) 54 (35)

Age, median (range), y All  16 (8-20) 16 (8-20) 16 (8-19)

Women 17 (11-19) 16 (11-19) 16 (11-19)Men 16 (8-20) 16 (8-20) 16 (8-19)

Median time elapsed (range), hr All 23.5 (0.17-74.3) 23 (0.17-74.3) 22.8 (10-26.7)

Not registered, n (%) 10 (4) 8 (4) ---Median time for treatment (range), day

All 46 (8-658) 40 (8-658) 38 (16-658)Not registered, n (%) 95 (36) 74 (35) 55 (36)

Indication for treatment, n (%) Depression 176 (69) 144 (70) 111 (74.5)

Obsessive-compulsive disorder 37 (14) 27 (13) 19 (12.8)Eating disorder 2 (1) 1 (0.5) 1 (0.7)

Dysthymic disorder 6 (2) 4 (1.9) 1 (0.7)Panic attack 16 (6) 14 (6.8) 9 (6.0)

Social phobiai. 13 (5) 10 (4.9) 5 (3.4)Other 6 (2) 6 (2.9) 3 (2.0)

Not registered, n (%) 6 (2) 5 (2) 4 (3)Indication for analysis, n (%)

Routine check-up 223 (88) 178 (88) 130 (88)Compliance 8 (3) 6 (3) 2 (1)

Undertreatment 11 (4) 11 (5) 8 (5)Overtreatment 9 (4) 5 (2) 4 (3)

Intoxication -- -- --Other 3 (1) 3 (1) 3 (2)

Not registered, n (%) 8 (3) 8 (4) 6 (4)Somatic status, n (%)

Healthy 195 (82) 160 (82) 119 (83)Not healthy 42 (18) 34 (18) 25 (17)

Not registered, n (%) 25 (10) 17 (8) 9 (6)Smoking, n (%)

Yes 42 (17) 36 (18) 28 (19)No 199 (83) 160 (82) 117 (81)

Not registered, n (%) 21 (8) 15 (7) 8 (5)Hepatic function, n (%)

Normal 241 (99) 193 (99) 142 (99)Pathologist 2 (1) 2 (1) 2 (1)

Not registered, n (%) 19 (7) 16 (8) 9 (6)Renal function, n (%)

Normal 241 (99) 193 (99) 142 (99)Pathologist 2 (1) 2 (1) 1 (1)

Not registered, n (%) 19 (7) 16 (8) 10 (7)BMI, kg/m2, median (range)

All 20.2 (12.4-38.6) 20.1 (12.4-38.6) 20.4 (14.0-38.6)Women 20.1 (12.4-36.3) 19.9 (12.4-36.2) 20.0 (14.7-36.2)

Men 20.3 (14.0-38.6) 20.3 (14.0-38.6) 20.7 (14.0-38.6)Not registered, n (%) 58 (22) 46 (22) 24 (16)

Side effects, n (%) Yes 63 (31) 52 (32) 37 (31)No 143 (69) 110 (68) 81 (69)

Not registered, n (%) 56 (21) 49 (23) 35 (23)Concomitant medication, n (%)

Monotherapy 93 (49) 81 (52) 60 (50)antidepressive + 1 other drug 74 (39) 58 (37) 46 (38)

antidepressive + ? 2 drug 23 (12) 17 (11) 14 (12)Not registered, n (%) 72 (27) 55 (26) 33 (22)

Effectiveness, VAS Median (range), mm 63 (8-93) 63 (8-93) 64 (8-93)

Not registered, n (%) 60 (23) 47 (22) 34 (22)*ITE = one sample per patient. **PE samples = first individual steady state trough value samples

 

This  study  also provides  information  about  the median prescribed dose for  the  antidepressants  requested,  according  the  first  ranked  indication  for treatment. Monotherapy was documented in 49 % of the request forms.   Other important findings from Paper IV can be summarised thus: ‐Depression was  the  first  ranked  indication  for  the antidepressant  treatment (69 %). ‐Sertraline was the drug prescribed for several psychiatric disorders, majority in depression but also in eating disorder. ‐Escitalopram,  clomipramine  and  mirtazapine  were  prescribed  only  for depression and fluvoxamine only for obsessive‐compulsive disorder.  ‐Genotyping was possible  to  request by  checkmarking  a box on  the  request form.  Unfortunately,  only  43  samples  out  of  101  request  forms  where genotyping were marked,  reached  the  laboratory. The  genetically  identified PMs for CYP2D6 (n=2) treated with fluvoxamine (CYP2D6‐substrate) had been prescribed  3‐fold  lower  doses  than  non‐PM.  The  rest  of  PMs  had  been prescribed  sertraline  (non‐CYP2D6  substrate).  The  calculated CYP2D6  allele relative frequencies, show *4 as the most common PM allele (20.9 %). ‐The median  number  of  drugs  besides  the  antidepressant  drug was  1  per patient (range 1‐7).  ‐The  intraindividual correlation between C/D of  the antidepressant drugs  for the first and last samples was rs=0.66 (p=0.008). ‐The DSERT/SERT  ratio varied no more  than 20 % between  the  first and  the last sample, in patients treated with sertraline (n=12). ‐In 55 % of  the patients with  repeated eligible TDM  samples  (22 patients), a change  in  treatment  strategies  was  shown  between  the  patients’  first  and second samples. These changes have consisted of an increasing of the doses or change of the antidepressant drug. 

62 

 

DISCUSSION

Papers I and II

Pharmacokinetic data obtained from larger clinical populations, which mimic the  real‐world  clinical  conditions,  are  rarely  found  in  the  literature. Furthermore,  the drug concentrations  levels of  these studies may be used as the basis for individualized dose optimisation, e.g. if the serum concentration in  a  patient  is  proportional  in  relation  to  the  dose  administered.  These concentration ranges are also important for the interpretation of concentration data  in  toxicologic  cases.  Consequently,  these  studies  merit  consideration, despite  the  limitations  associated with naturalistic  studies,  such  as  selection bias secondary to lack of randomisation, problems in establishing unequivocal causal relationship due to confounders derived from uncontrolled conditions, the  lack  of  full  information  given  on  the  TDM  request  forms  and  patient compliance  issues. Regarding age and gender  from  the data supplied by  the National  Corporation  of  Swedish  Pharmacies  (Apoteket  AB,  Stockholm),  it seems  reasonable  to  assume  that  no  major  demographic  selection  bias occurred in the studies of this thesis. As previously reported by other authors {Bates, 1998; DʹAngio et al., 1990; Lundmark et al., 2000b}, we also experienced a lack of data on request forms in these studies.   As  expected,  a  pronounced  interindividual  variability  in  all  doses prescribed  was  evident  at  the  steady‐state  and  trough  serum  levels  of escitalopram  and  ziprasidone,  as well  as  their metabolites  (Table  IV).  This may  be  expected  in  a  population  where  subjects  with  extreme  clearances achieve a too high or a too low concentration when receiving standard doses. This  variability  depends  not  only  on  the  PK  items,  but  also  on  the  lack  of compliance, which is usually present in this population.   In both studies, the daily dose of the drug was higher than the DDD,  i.e. the assumed average maintenance dose per day  for a drug used  for  its main indication in adults {WHO, 2007b}, and higher than reported by other studies at  the  time of  the project. This  finding may be  explained due  to naturalistic studies  reflecting  everyday  clinical  practice  with  patients  suffering  several degrees of the disease and a variety of co‐morbidities, resulting in the fact that 

63 

 

in clinical practice  the prescribed doses  tend  to be generally higher  than  the manufacture’s preliminary recommendations  {Citrome et al., 2009; Citrome et al., 2005; Dietlein et al., 2003}.   The application of the approach of the TDM metabolite/parent compound (M/P)  ratio  for  screening  of  noncompliance  suggests  that  the  lower intraindividual CV of  the  ratio S‐DICT/S‐CIT compared with  interindividual CV  in Paper  I  is  in agreement with  the  theory  that  the metabolic capacity  is fairly stable over time and may mark good compliance. The contrasting results with the antipsychotic ziprasidone in Paper II may agree with the higher rates of  noncompliance  in  patients  treated  with  antipsychotics  compared  with patients  treated  with  antidepressants  in  the  literature.  This  suspected noncompliance  in  the  ziprasidone  paper may  be  supported  by  the  higher number  of  request  forms  with  no  measurable  concentration  of  the  parent compound  (8  %),  as  well  as  the  higher  number  of  cases  of  suspected noncompliance  indicated  on  the  request  forms  (14  %)  compared  with  the escitalopram paper: 6 % and 5 %, respectively.   Possible  influences  of  gender  and  oral  contraceptives  on  the metabolic ratio  of  S‐CIT,  suspected  substrate  saturation  of  aldehyde  oxidase  at higher doses  of  ziprasidone,  as well  as  the  possible  influence  of  smoking  on  the concentrations of ZIP in women, might explain data observed in these papers. These observations cannot be taken as conclusive due to the limitations related to naturalisc studies, and probably the clinical impact is low.  These studies were not designed as an interaction study, but the method of interaction screening that has been used in our studies may “catch” a possible substance‐drug  interaction that must be verified with controlled studies. Our screening will not give  information on  the  influence of  the drug  studied on serum concentrations of other concomitantly administered drugs since serum concentrations of concomitant drugs were not measured. 

Papers III and IV

The  sparse  concentration  measurements  performed  during  the  drug development  in these populations studied made  it relevant to  investigate the PK  data  in  these  studies.  These  papers  also  provide  information  about  the dosage of the drug in a clinical setting.   According  to  the  sales  statistics,  SSRIs  were  the  most  prescribed antidepressant drugs both  in  the elderly and  in  the pediatric population. As expected  in  clinical  practice,  profound  interindividual  variability  at  steady‐

64 

 

state  and  trough  serum  levels  of  sertraline  and  citalopram,  as  well  as  its metabolites were also found in both populations (Table IV).   The  TDM  outcome  has  provided  new  information:  not  expected  drug concentration for the dosage administered in 77 % of the elderly and in 37 % of the pediatric population. The genetically  impaired metabolic activity of CYP enzymes corresponded with higher drug concentration as expected in patients medicated with an antidepressant drug  that  is a substrate  for  the genotyped CYP enzyme, underlining  that genetic  factors should be considered  for dose optimisation {Scordo et al., 2005}. Conclusions are limited due to the few cases and  that  not  all  CYP  genotype  PM  patients  were  medicated  with  an antidepressant drug  that  is  a  substrate  for  the genotyped CYP  enzyme. The frequencies of CYP2D6 alleles was  in accordance with  those of other authors {Zackrisson et al., 2009}.   The results in Paper III, where the majority of patients have higher levels of  the drug  than expected  in relation  to dose, showed  the need  to  follow‐up the treatment of depression in the elderly. The high blood levels of the drugs may be expected due to the decreasing clearance of drugs in general, but it is a warning  signal  that  the aging process may not have been considered, above when  the median daily dose  for  the  antidepressant drugs  in  this  study was according  to  the  recommended  dosage  to  younger  patients  in  the  Swedish Physician’s Desk Reference.   SSRIs  have  a  more  benign  profile  of  ADR  that  do  the  tricyclic antidepressants. Despite this, the majority of patients have reported a possible adverse  effect  among  the  scrutinized  questions  (dizziness,  obstipation, dyspepsia, xerostomia, nausea). Whether or not the adverse effects mentioned above are consequences of the antidepressant treatment per se, of concomitant medication  or  comorbidy  in  this  population  is  difficult  to  differentiate. However,  the  risk  of  drug‐related  problems,  such  as  falling  and  serious adverse drug reactions when polypharmacy and multimorbidity are present in this population cannot be ruled out.   In  some medical  records,  no  clear  diagnosis was  found  or  the  existing diagnosis was  seen as being questionable.  It  is difficult  to assess and assign psychiatric diagnoses  in elderly people  {Fastbom  et  al., 2004; Gottfries, 1997} and principles  for  treatment of depression are based on  clinical  trials where elderly people are underrepresented {Lasser et al., 1998}.   On the contrary, the majority of patients in Paper IV had an expected drug concentration in relation to dose that suggests that the PKs of the drugs in this group were similar to those of adults, thus the interpretation of the results was based on adult PK data {Baumann et al., 2004b; Lundmark et al., 2000b; 2001; 

65 

 

Lundmark  et  al.,  1989; Reis  et  al.,  2003; Reis  et  al.,  2002a}. However,  the PK outcome  of  sertraline were  similar  to  the  results  of  other  authors  in  adults population; see Table XI {Lundmark et al., 2000b; Reis et al., 2009}.  

Table XI. Sertraline serum concentration in different groups. *mean, **10th and 90th percentiles. Recommended therapeutic range (consensus) 33‐163 nmol/L (Bauman et al, 2004)  Study IV Lundmark et al, 2000 Reis et al, 2009Dose, mg/daily 50 50 50Age, yr; median (range) 16 (8-20) 52* (16-92) 43 (8-98)Gender, % woman 63 69 66TDM collected data Yes Yes YesPatients, n 85 156 984Sertraline:

median 25th-75th percentiles

5127-71

4025-60

4013-99**

Desmethylsertraline: median

25th-75th percentiles 109

71-127102

62-15479

31-196**

   The  observed  proportional  C/D  linearity  of  the  antidepressant  drugs between  the  first  and  last  samples  from  the  same  patient  permit  the opportunity  to predict  subsequent blood  concentrations  after  antidepressant drug dose‐adjustments within the individual patient. However, the metabolic capacity (DSERT/SERT ratio) may provide information on patient compliance, as well as drug‐drug interactions if the patient is treated with other drugs or a concomitant drug is withdrawn.   At  the  time  of  the  project,  no  antidepressant  drugs were  approved  for treatment of depression in children and adolescents in Sweden. Only sertraline and  fluvoxamine  were  approved  for  treatment  of  obsessive‐compulsive disorder  in pediatric populations. No  information  on dosage  for depression and other psychiatric disorders was accessible in the Swedish Physicians’ Desk Reference. Thus, depression was  the  indication  for  treatment on 69 % of  the request  forms. Off‐label prescribing  is widespread  in practice  and necessary because most drugs had not been studied adequately in children {Leslie et al., 2005; Serradell et al., 1993}. Despite the limitations associated with naturalistic studies, the information on dosages used in the different psychiatric disorders may be a guideline for clinicians to ensure the provision of safe and efficacious treatment for children and adolescents. These data are lacking for most of the 

66 

 

psychoactive drugs  in  these populations. The TDM service may provide also support to the treating physician at the off‐label prescribing.  Among the data already presented above, the fact that, in 12 % of the patients in Paper  I, 30 % of patients  in Paper  II and 27 % of patients  in Paper  IV,  the treating  physician  had  requested  more  than  one  sample  during  the  time period of the study, and the change of treatment strategy shown after the first TDM  sample,  suggest  the  utility  of  TDM  for  the  treating  physicians  for individual dose optimisation or when suspecting noncompliance. Genotyping can complement the information about a possible concentration deviation.   In this thesis, missing data on request forms, inappropriate sampling and misunderstod  performance  of  the  TDM  service  have  been  disclosed.  These conditions may decrease  the usefulness of  the TDM  sample, and  the clinical decisions concerning dose adjustment. 

67 

 

CONCLUSIONS

Valuable  and  reliable  information  may  be  extracted  from  TDM  collected samples {Gex‐Fabry et al., 1997; Gross, 1998; Jerling, 1995b; Jerling et al., 1994}. The TDM databases are valuable tools for collecting new PK‐data from large‐scale heterogeneous clinical populations after the introduction of a drug onto the market. Thus  the development of a drug should be seen as a continuous process. The data collected by  the TDM  service may  improve  reference data for the evaluation of therapeutic response, as well as toxicological information concerning psychoactive drugs {Reis et al., 2007}.   The  relationships  found  in  these  TDM  based  studies  between  the  drug serum  concentration  and  the  clinical  information  obtained  simultaneously cannot be taking as being conclusive but may point towards future hypothesis testing  studies.  Variability  of  drug  concentrations  of  psychoactive  drugs  is expected  in TDM data,  as  a  consequence  of  several  factors  that  exist  in  the complex scenario in clinical practice.   The  TDM  samples with  the  correct  interpretation  of  results  in  order  to answer  the question of whether a concentration of a psychoactive drug  is  in the  expected  range  with  respect  to  drug  dosage  (or  therapeutic  range), together  with  complementary  CYP  genotyping,  may  be  a  tool  for  dose optimisation of the psychoactive drug since resistance or tolerance towards the drug may be disclosed. The optimisation of treatment may be aided by the use more  or  less  regularly  of  TDM,  for  maintaining/adjusting  doses  that  may increase rates of drug response and for questionable compliance (compare the TDM metabolite/parent compound ratio between the samples). However, the TDM service may provide support to the prescribing physician at the off‐label prescribing, which was  found  in  this  thesis, already  in  the early  times of  the introduction of a new psychoactive drug onto the market.   TDM is also a valuable tool to optimise further drug medication and drug safety when  the selection of doses requires a consideration of PK parameters as well as in the elderly and pediatric populations.    The  findings  in  this  thesis have been awareness of  the usefulness of  the TDM  service.  In  summary,  the  benefits  of  TDM  data were  individual  dose optimisation and providing research information for the TDM service, as well as  toxicology.  A more  frequent  clinical  use  of  TDM  and  pharmacogenetic testing in clinical practice would contribute to better quality in treatment with psychoactive drugs. 

68 

 

REFLECTIONS AND FUTURE PROSPECTS

Not  all  patients  have  their  optimal  drug  response  at  the  same  drug concentration  but  the  drug  response  is  more  closely  related  to  the concentration of drug  in  the blood  than  the prescribed doses. The concept of less  toxic psychoactive drugs  than previously and  the  lack of  concentration‐effect  relationships  in  clinical  trials  have  diminished  the  use  of  TDM  in psychiatry, but the use and benefit of TDM has already been reported. The use of TDM was  shown  to  increase  the  rates of antidepressant  therapy  response for TCA  from 30  to 40 %  to as high as 80 %  {Tollefson, 1993} as well as  the treatment adherence and response rate for sertraline therapy {Akerblad et al., 2003}.   The  interindividual  variability  of  drug  metabolism  can  result  in subtherapeutic  or  toxic  blood  concentrations  of  psychoactive  drugs  from standard doses  {Dahl  et  al.,  2000; Hiemke,  2008b;  c;  a; Hiemke  et  al.,  2004}. TDM  can  be  used  by  the  physicians  to  optimise  dosage  decisions  with psychoactive  drugs,  in  order  to  maximise  efficacy  and  prevent  toxicity, especially when  individuals are nonresponsive  to  treatment or vulnerable  to adverse  reactions  with  standard  doses  due  to  age,  disease  states  or complicated therapy (drug interactions). Active metabolites must be taken into consideration  if  present  in  concentrations  sufficient  to  contribute  to  the pharmacological effect. Both active and non active metabolites are  important in achieving  less variable TDM  technique metabolite/parent compound ratio, when  screening  for  noncompliance,  instead  of  the  TDM  technique presence/absence of parent compound  in serum  {Reis et al., 2004}. The use of TDM may help  to  assess  compliance, but  it  is  limited. The half‐life  of most drugs in the blood is only a fraction of a day and there is good evidence that compliance in the days prior to a scheduled visit is much better than at other times. TDM  is a  tool when dosing uncertainty  is a problem  in both  the very old and the very young as a result of erroneously measured, refused, vomited, repeated or forgotten doses. However, the CYP genotyping of a patient before starting  a  treatment  with  a  psychoactive  drug  might  help  the  treating physician  in  choosing  the  right  drug  and  the  right  starting  dose,  so  that  a potentially harmful drug for the patient can be avoided. 

69 

 

  Thus,  TDM  may  increase  knowledge  of  the  blood  concentration  of prescribed  doses  in  clinical  setting  and  safety, when  the  occurrence  of  side effects may relate to the levels of the drug in the blood. Simultaneously it may help  to  solve  some  medical‐legal  problems,  such  as  too  low  or  too  high postmortem blood concentrations in the case of suicide or sudden death.   The need for educational efforts regarding different aspects of TDM must be considered, not only for physicians but also for nursing and laboratory staff when the high rates of lacking data on request forms, inappropriate sampling, as well as misunderstod performance of the TDM service has been disclosed. Improvement  at  different  levels within  the  healthcare  system  is  needed  to promote  an  effective  TDM  service  for  individualizing  drug  therapy. Inappropriate  timing  of  sample  and  no  sufficient  communication  between treating physician and  laboratory staff,  including  the clinical pharmacologist, result in an inappropriate TDM use in psychiatric care {Mann et al., 2006}, and consequently  in  a decrease  of  belief  in  this  service. Apart  from  educational strategies,  the  use  of  computerized  systems  to  facilitate  the  communication between  treating physician‐laboratory  staff  is necessary  for  improvement  of TDM use in psychiatry. So is, a more structured‐stabilised protocol for taking the sample  in relation  to  the  treatment’s start/course/possible preceding dose change  and  the  time  for  the  answer  from  the  laboratory  with  reliability interpretation. Faster answers to the treating physician’s request may result in faster changes of treatment strategy that may reduce the timecourse of disease and avoid possible adverse effects/toxicity.   In psychiatrics, patients are frequently subjected to polypharmacy, as was found  in the studies  in this thesis. It  is not rare that treatment  involves more than  one CNS‐active  drug. CNS‐active  drug  combination  treatment  is  little studied.  How  several  simultaneously  administered  CNS‐active  drugs influence  their  serum  concentrations,  i.e.  PKs  and  consequently  PDs,  is  not clear. TDM in psychiatry must take into consideration this fact in order to give clinically meaningful and useful  results. The TDM of only one psychoactive drug must be changed to a TDM map of the CNS‐active drugs prescribed. It is possible  to do  this  routinely now due  to new  techniques with short analysis time,  higher  resolution  and  multiple  compounds  in  the  same  method  {de Castro et al., 2008; de Castro et al., 2007; Zhang et al., 2007}. Even CNS‐active non licensed drugs will be taken in consideration.   Assessment  of  a  TDM  service  should  include  its  impact,  not  only  on patient  care,  but  also  on  the  economic  efficiency  of  the  delivery  system. Reports of the cost‐effectiveness of TDM in psychiatry are limited {Burke et al., 1999; Lundmark et al., 2000a; Preskorn et al., 1991}. The economics of TDM in 

70 

 

psychiatry should be evaluated  in a wide perspective for society,  in the form of  the possibility of  reducing  the number of  failed  treatments or  the  time  to symptom  remission and  consequently, a more  rapid  return of  the patient  to work and his/her  family  (social cost?).  It  is also  important  to consider  that a more frequent use of TDM (as control) in patients treated with antipsychotics, may  disclose  subtherapeutic/noncompliance,  with  the  possibility  of preventing  violent  acts due  to  the non  following  of  treatment,  especially  in Forensic psychiatry.   The drug response of psychoactive drugs does not depend only on the PK factors  of  the drug,  but  also  on  other  factors,  as well  as  the  interindividual differences  in  receptor  density  or  sensitivity,  drug  levels  in  the  brain, differences  in  pathophysiology/disease  or  co‐morbid  disease.  The development  of  research  methods  must  include  the  polymorphism  of  the enzymes  involved  in  drug  metabolism,  as  well  as  drug  transporters  and receptors.  Attenuation  of  P‐gp  function,  for  example  through  the  use  of pharmacological inhibitors, results in substantial changes in the PK and PD of various  substrates  {Loscher  et  al., 2005; Schinkel  et  al., 1996}. Together, more information about the PK of enantiomers, above all if the drug is administered as a racemate, is needed for appropriate interpretations to be possible    At the end of this thesis I would like to outline that the research group to which I belong have plans in the future to increase both the safety and efficacy of drugs used  in  the  treatment of psychiatric diseases.  Increased knowledge concerning  new  psychoactive  drugs,  enantiomers,  protein  transporters  and receptors are in focus at the present and will continue to be so in the future for our research group.  

71 

 

ACKNOWLEDGEMENTS

I would like to thank everyone who has contributed to my PhD education and my work, both during this thesis and before, but I cannot mention everybody. Especially I want to thank:  Professor Finn Bengtsson, my  supervisor,  for  introducing me  to  the  field of psychopharmacology, for all creative ideas on scientific projects and guidance throughout the preparation of this thesis. I would like to have your “gift of the gab”  Professor  Johan Ahlner, my  co‐supervisor,  for  invaluable  support,  valuable opinions  (not  only  about  science),  guidance  in  the  field  of  forensic pharmacology and for providing research facilities.  To both of you, for your friendship and for your trust in my ability to succeed with this scientific work. Thank you for encouragement, scientific discussions, valuable comments, and for giving me freedom and responsibility.  Curt Peterson, Professor in Clinical Pharmacology at Linköping University, for teaching and for recruiting me to the Department of Clinical Pharmacology.  My  boss,  Thomas  Bradley,  at  the  Department  of  Clinical  Pharmacology  ‐Center  for  Rational  Use  of  Drugs,  for  generously  support  and  providing research facilities.  My  co‐authors,  without  whom  this  thesis  would  not  have  been,  for  good collaboration and valuable opinions,  especially  associate professors: Margareta Reis,  for  fruitful  discussion  around  naturalistic  settings,  statistical  analysis, and….life;  Staffan Hägg, my  colleague,  for  constructive  criticisms,  engaging discussion  and  numerous  interesting  comments,  and  Per A. Gustafsson  for quick  feedback  and  improving  the  cooperation  between  “BUP”  and  clinical pharmacology.  All  staff  and  students,  past  and  present,  at  the  Department  of  Clinical Pharmacology  for  creating  a  stimulating  and merry working  place,  for  the willingness  to  help  and  for  all  the  fun,  specially  Eva  Ekerfeldt‐Hultin 

72 

 

(outstanding  skills  in  the  lab  and  support),  Björn  Carlsson  (☺  ♥),  Ingela Jacobsson (nice company in meetings), Kourosh Lotfi, Mikael Hoffmann, Björn Norlander  (my mentor  in quality and accreditation), Karin Walldén, Gunilla Graffner, Louise Carlsson, Maria Kingbäck, Daniel Öhman, Henrik Lövborg, “LiLi‐teamet” and Anita Thunberg (administrative matters).  The staff at the Department of Forensic Genetics and Forensic Toxicology for a friendly  and  a  good  working  atmosphere,  especially  Gunnel  Ceder,  Anita Holmgren, Wayne Jones and Gunnel Nilsson. The  psychopharmacology  scientific  group,  for  great  motivation,  scientific thinking and good collaboration, specially my previous colleagues in Clinical Pharmacology  who  are  now  on  the  staff  of  the  Department  of  Forensic Genetics and Forensic Toxicology, Anna‐Lena Zackrisson, Fredrik Kugelberg and Martin  Josefsson.  I hope  that we can keep on  in  the  future with a  lot of projects together.  The Department of Clinical Chemistry in Linköping, especially Professor Elvar Theodorsson,  for guidance during  the beginning of my  time as physician  in Sweden.  My  previous  colleagues  at  the  Department  of  Clinical  Biopathology  at  the University Hospital La Fe in Valencia (Spain) for teaching and introducing me to  science,  especially Miguel  Bretó  and  Pascual  Bolufer,  and my  friend M. Teresa Contreras.  All my  friends  from Valencia and Cabanes,  for all  the  fun events, especially my best and  eternal  friends with whom  I  share  at  lot of  things, M. Carmen España and Estrella Borrás  (my  twin  soul  since childhood), and my  friends‐colleagues  José M. Borrás, Flor Alonso, Carlos López and Alicia Zunzunegui (my private doctor). Thanks for not letting any distance come between us.  My Swedish  family  for a warm welcome and  introduction  into  the Swedish tradition,  especially my  brothers/sister‐in‐law  families  of Mats  Allard,  Eva Högsberg and  Jan Hemmingson, and  in memory of my parents‐in‐Law Stina and Bertil Carlsson.  My  beloved  Spanish  family. My parents Pepe  and Dolores  for  endless  love and  support  in  every  situation during  these  years  (“por  haber  cuidado  con 

73 

 

amor  siempre de mi,  sois mi  refugio y mi abrigo”), my brother Antonio  for always  being  there  for  me  (“mi  tete,  tan  lejano  pero  tan  cercano  en  mi corazón”), my niece Alba and my sister‐in‐Law Amparo López de Briñas (for you taking care of them).  My dear children, Mario and Paloma, for filling my life with other things than research  and work,  for  bringing  happiness  into my  life  and  for  all  that we share. Thank you for understanding when I was working. You are so lovely. I want  to mention my  beautiful  cat  Sissela  for  faithful  and  warm  company during the long days of writing.  One  more  time,  Björn  Carlsson,  my  love,  my  friend,  my  husband,  my colleague…You  recruited me  to Sweden. Thank  for your support during my sad/sulky  moments  both  at  work  and  in  life  in  general,  and  for  making everyday‐life  fun  and  special.  “Själva  drömmen,  ibland  är  de  inte  bara drömmar, utan verklighet”  This work has been financially been supported by the Research Council in the South‐East  of  Sweden  (FORSS),  the  government  fund  for  clinical  research administered  by  the  Östergötland  County  Council  (Sweden),  the  Lions Foundation,  Laboratoriemedicinskt  Centrum  in  Östergötland  (Östergötland County Council) and the Swedish Research Council (Medicine) grant no. 2006‐4345 and K2007‐62X‐20386‐01‐3 (Finn Bengtsson). Lundbeck AB (Sweden) and Pfizer AB  (Sweden)  have  undertaken with  an  unrestricted  commission  the therapeutic  drug  monitoring  service  through  an  agreement  made  with Berzelius Clinical Research Center AB in Linköping.  My  sincere  gratitude  to  the Ganadería  (breeding  of  bulls) Germán Vidal  in Cabanes  (Castellón),  especially Herminio Llorens  for  engaging  collaboration (“gracias por tu atención”).  

74 

 

REFERENCES Akerblad AC, Bengtsson F, Ekselius L & von Knorring L (2003). Effects of an educational compliance 

enhancement  programme  and  therapeutic  drug  monitoring  on  treatment  adherence  in depressed patients managed by general practitioners. Int Clin Psychopharmacol 18(6): 347‐54. 

Alexanderson B, Evans DA & Sjoqvist F  (1969). Steady‐state plasma  levels of nortriptyline  in  twins: influence of genetic factors and drug therapy. Br Med J 4(5686): 764‐8. 

Allikmets  R,  Gerrard  B,  Hutchinson  A  &  Dean  M  (1996).  Characterization  of  the  human  ABC superfamily:  isolation  and  mapping  of  21  new  genes  using  the  expressed  sequence  tags database. Hum Mol Genet 5(10): 1649‐55. 

APA (2000). Diagnostic and statistical manual of mental disorders DSM‐IV‐TR. American Psychiatric Association Washington, DC  

Back  DJ  &  Orme  ML  (1990).  Pharmacokinetic  drug  interactions  with  oral  contraceptives.  Clin Pharmacokinet 18(6): 472‐84. 

Bailey  DG,  Arnold  JM  &  Spence  JD  (1994).  Grapefruit  juice  and  drugs.  How  significant  is  the interaction? Clin Pharmacokinet 26(2): 91‐8. 

Balant  LP  &  Gex‐Fabry M  (1993a).  Pharmacokinetics/pharmacodynamics  during  phase  II  and  III studies: population kinetics and the kinetic screen. Boll Chim Farm 132(6): 210‐1. 

Balant LP, Rowland M, Aarons L, Mentre F, Morselli PL, Steimer JL & Vozeh S (1993b). New strategies in drug development and  clinical  evaluation:  the population approach. Commentary on an action for co‐operative research. Eur J Clin Pharmacol 45(2): 93‐4. 

Ballas C, Yang C, OʹReardon J, Ballas P & Baldassano C (2004). Ziprasidone: a novel psychotropic with unique properties. Expert Rev Neurother 4(2): 179‐86. 

Bates DW (1998). Improving the use of therapeutic drug monitoring. Ther Drug Monit 20(5): 550‐5. Baumann P, Hiemke C, Ulrich  S, Eckermann G, Gaertner  I, Gerlach M, Kuss HJ, Laux G, Muller‐

Oerlinghausen  B, Rao ML, Riederer  P & Zernig G  (2004a).  The AGNP‐TDM  expert  group consensus  guidelines:  therapeutic  drug monitoring  in  psychiatry.  Pharmacopsychiatry  37(6): 243‐65. 

Baumann P, Hiemke C, Ulrich S, Gaertner  I, Rao ML, Eckermann G, Gerlach M, Kuss HJ, Laux G, Muller‐Oerlinghausen  B,  Riederer  P  &  Zernig  G  (2004b).  Therapeutic  monitoring  of psychotropic drugs:  an  outline  of  the AGNP‐TDM  expert  group  consensus  guideline. Ther Drug Monit 26(2): 167‐70. 

Beierle  I,  Meibohm  B  &  Derendorf  H  (1999).  Gender  differences  in  pharmacokinetics  and pharmacodynamics. Int J Clin Pharmacol Ther 37(11): 529‐47. 

Bengtsson F (2004). Therapeutic drug monitoring of psychotropic drugs. TDM ʺnouveauʺ. Ther Drug Monit 26(2): 145‐51. 

Bertelsen A (2002). Wanted: validation studies on the current diagnostic classifications. Acta Psychiatr Scand 106(2): 81‐2. 

Bertilsson L (1995). Geographical/interracial differences in polymorphic drug oxidation. Current state of knowledge of cytochromes P450 (CYP) 2D6 and 2C19. Clin Pharmacokinet 29(3): 192‐209. 

Bertilsson L, Dahl ML & Tybring G (1997). Pharmacogenetics of antidepressants: clinical aspects. Acta Psychiatr Scand Suppl 391: 14‐21. 

Bjerrum L, Sogaard  J, Hallas  J & Kragstrup  J  (1998). Polypharmacy:  correlations with  sex,  age  and drug regimen. A prescription database study. Eur J Clin Pharmacol 54(3): 197‐202. 

Blouin RA & Warren GW (1999). Pharmacokinetic considerations in obesity. J Pharm Sci 88(1): 1‐7. Bowers LD (1998). Analytical goals in therapeutic drug monitoring. Clin Chem 44(2): 375‐80. Brosen K & Naranjo CA (2001). Review of pharmacokinetic and pharmacodynamic interaction studies 

75 

 

with citalopram. Eur Neuropsychopharmacol 11(4): 275‐83. Brozek J & Keys A (1953). Relative body weight, age and fatness. Geriatrics 8(2): 70‐5. Burke MJ & Preskorn SH  (1999). Therapeutic drug monitoring of antidepressants: cost  implications 

and relevance to clinical practice. Clin Pharmacokinet 37(2): 147‐65. Burke WJ (2002). Escitalopram. Expert Opin Investig Drugs 11(10): 1477‐86. Burton NL (2006). Psychiatry, Blackwell Publishing Ltd. Caccia S  (1998). Metabolism of  the newer antidepressants. An overview of  the pharmacological and 

pharmacokinetic implications. Clin Pharmacokinet 34(4): 281‐302. Caldwell J (2001). A world chirality. In evolution in the treatment of depression. Montgomery, S.A. & 

Carlsson, A. (eds.) 1 st Congress of the Scandinavian College of Neuropsychopharmacology, Juan les Pins, France: H. Lundbeck A/S, ISBN: 87‐88085‐19‐8, pp.5‐8. 

Caldwell  J  & Wainer  IW  (2001).  Stereochemistry:  definitions  and  a  note  on  nomenclature.  Hum Psychopharmacol 16(S2): S105‐S107. 

Cameron OG (1999). Psychopharmacology. Psychosom Med 61(5): 585‐90. Carlsson  A,  Hansson  LO,  Waters  N  &  Carlsson  ML  (1997a).  Neurotransmitter  aberrations  in 

schizophrenia: new perspectives and therapeutic implications. Life Sci 61(2): 75‐94. Carlsson A & Wong DT  (1997b). Correction: a note on  the discovery of selective serotonin reuptake 

inhibitors. Life Sci 61(12): 1203. Carlsson B & Norlander B (1997c). Solid‐phase extraction with end‐capped C2 columns for the routine 

measurement of  racemic  citalopram  and metabolites  in plasma by high‐performance  liquid chromatography. J Chromatogr B Biomed Sci Appl 702(1‐2): 234‐9. 

Carlsson B, Olsson G, Reis M, Walinder J, Nordin C, Lundmark J, Scordo MG, Dahl ML, Bengtsson F & Ahlner J (2001). Enantioselective analysis of citalopram and metabolites in adolescents. Ther Drug Monit 23(6): 658‐64. 

Carrillo  JA &  Benitez  J  (2000).  Clinically  significant  pharmacokinetic  interactions  between  dietary caffeine and medications. Clin Pharmacokinet 39(2): 127‐53. 

Cheymol  G  (2000).  Effects  of  obesity  on  pharmacokinetics  implications  for  drug  therapy.  Clin Pharmacokinet 39(3): 215‐31. 

Citrome L, Jaffe A & Levine J (2009). How dosing of ziprasidone in a state hospital system differs from product labeling. J Clin Psychiatry 70(7): 975‐82. 

Citrome L,  Jaffe A, Levine  J & Lindenmayer  JP  (2005). Dosing of quetiapine  in  schizophrenia: how clinical practice differs from registration studies. J Clin Psychiatry 66(12): 1512‐6. 

Compher  CW  (2004).  The  impact  of  protein‐calorie  malnutricion  on  drugs.  Handbook  of  Drug‐Nutrient Interactions: edited by Joseph I. Boullata and Vincent T. Armenti. 

Cramer  JA & Rosenheck R  (1998). Compliance with medication  regimens  for mental  and  physical disorders. Psychiatr Serv 49(2): 196‐201. 

Cushny AR (1908). The action of optical isomers: III. Adrenalin. J Physiol 37(2): 130‐8. Cushny AR (1909). Further note on adrenalin isomers. J Physiol 38(4): 259‐62. Cushny AR & Peebles AR (1905). The action of optical isomers: II. Hyoscines. J Physiol 32(5‐6): 501‐10. DʹAngio RG, Stevenson  JG, Lively BT & Morgan  JE  (1990). Therapeutic drug monitoring:  improved 

performance through educational intervention. Ther Drug Monit 12(2): 173‐81. Dahl  ML  (2002).  Cytochrome  p450  phenotyping/genotyping  in  patients  receiving  antipsychotics: 

useful aid to prescribing? Clin Pharmacokinet 41(7): 453‐70. Dahl ML & Sjoqvist F (2000). Pharmacogenetic methods as a complement to therapeutic monitoring of 

antidepressants and neuroleptics. Ther Drug Monit 22(1): 114‐7. Daly AK, Cholerton S, Gregory W & Idle JR (1993). Metabolic polymorphisms. Pharmacol Ther 57(2‐3): 

129‐60. de Castro A, Concheiro M, Quintela O, Cruz A & Lopez‐Rivadulla M (2008). LC‐MS/MS method for 

the determination of nine antidepressants and some of their main metabolites in oral fluid and plasma.  Study  of  correlation  between  venlafaxine  concentrations  in  both matrices.  J Pharm Biomed Anal 48(1): 183‐93. 

76 

 

de Castro A, Ramirez Fernandez Mdel M, Laloup M, Samyn N, De Boeck G, Wood M, Maes V & Lopez‐Rivadulla  M  (2007).  High‐throughput  on‐line  solid‐phase  extraction‐liquid chromatography‐tandem  mass  spectrometry  method  for  the  simultaneous  analysis  of  14 antidepressants and their metabolites in plasma. J Chromatogr A 1160(1‐2): 3‐12. 

Delgoda R & Westlake AC  (2004). Herbal  interactions  involving  cytochrome p450  enzymes: a mini review. Toxicol Rev 23(4): 239‐49. 

Dietlein  G  &  Schroder‐Bernhardi  D  (2003).  Doctorsʹ  prescription  behaviour  regarding  dosage recommendations for preparations of kava extracts. Pharmacoepidemiol Drug Saf 12(5): 417‐21. 

Droste  JA, Koopmans PP, Hekster YA & Burger DM  (2005). TDM:  therapeutic drug measuring  or therapeutic drug monitoring? Ther Drug Monit 27(4): 412‐6. 

Eichelbaum M & Evert B (1996). Influence of pharmacogenetics on drug disposition and response. Clin Exp Pharmacol Physiol 23(10‐11): 983‐5. 

Eriksson S, Berg LM, Wadelius M & Alderborn A (2002). Cytochrome p450 genotyping by multiplexed real‐time dna sequencing with pyrosequencing technology. Assay Drug Dev Technol 1(1 Pt 1): 49‐59. 

Evans WE & Relling MV  (1999).  Pharmacogenomics:  translating  functional  genomics  into  rational therapeutics. Science 286(5439): 487‐91. 

FASS  (2009). The Physiciansʹ Desk Reference,  Stockholm,  Sweden: The  Swedish Association  of  the Pharmaceutical Industry  

Fastbom  J &  Schmidt  I  (2004).  [Shortages  in  the  treatment  of depression  of  the  elderly  in  nursing homes  in  Stockholm.  Diagnosis  is  based  on  flimsy  ground,  follow  up  performed  early]. Lakartidningen 101(46): 3683‐4, 3686‐8. 

FDA: Forest Pharmaceuticals Inc. Escitalopram (Lexapro) prescribing information [online]. Available from URL: http://www.frx.com/pi/lexapro_pi.pdf [Accessed 2009 Oct 1]. 

Forbes GB (1962). Methods for determining composition of the human body. With a note on the effect of diet on body composition. Pediatrics 29: 477‐94. 

Friedman H & Greenblatt DJ (1986). Rational therapeutic drug monitoring. Jama 256(16): 2227‐33. Gex‐Fabry M,  Balant‐Gorgia  AE  &  Balant  LP  (1997).  Therapeutic  drug monitoring  databases  for 

postmarketing  surveillance  of  drug‐drug  interactions:  evaluation  of  a  paired  approach  for psychotropic medication. Ther Drug Monit 19(1): 1‐10. 

Glassman A & psychiatry Ttfotuolti (1985). Tricyclic antidepressants  ‐blood  level measurements and clinical outcome: an APA task force report. Am J Psychiatry 142: 155‐162. 

Glue P & Bankfield C  (1996). Psychiatry, psychopharmacology and P‐450s. Hum Psychopharmacol 11: 97‐114. 

Goldstein LH, Elias M, Ron‐Avraham G, Biniaurishvili BZ, Madjar M, Kamargash  I, Braunstein R, Berkovitch M & Golik A  (2007). Consumption of herbal  remedies and dietary  supplements amongst patients hospitalized in medical wards. Br J Clin Pharmacol 64(3): 373‐80. 

Gottfries  CG  (1997).  Recognition  and  management  of  depression  in  the  elderly.  Int  Clin Psychopharmacol 12 Suppl 7: S31‐6. 

Green B (2001). Focus on ziprasidone. Curr Med Res Opin 17(2): 146‐50. Greenblatt DJ (1993). Basic pharmacokinetic principles and their application to psychotropic drugs. J 

Clin Psychiatry 54 Suppl: 8‐13; discussion 55‐6. Gross AS (1998). Best practice in therapeutic drug monitoring. Br J Clin Pharmacol 46(2): 95‐9. Gunasekara NS, Spencer CM & Keating GM (2002). Ziprasidone: a review of its use in schizophrenia 

and schizoaffective disorder. Drugs 62(8): 1217‐51. Gurley BJ, Swain A, Williams DK, Barone G & Battu SK (2008). Gauging the clinical significance of P‐

glycoprotein‐mediated  herb‐drug  interactions:  comparative  effects  of  St.  Johnʹs  wort, Echinacea,  clarithromycin,  and  rifampin  on  digoxin  pharmacokinetics. Mol  Nutr  Food  Res 52(7): 772‐9. 

Gustincich S, Manfioletti G, Del Sal G, Schneider C & Carninci P (1991). A fast method for high‐quality genomic DNA extraction from whole human blood. Biotechniques 11(3): 298‐300, 302. 

77 

 

Hardman J, Limbird L, Molinoff P, Ruddon R & Goodman Gilman A (1996). Goodman & Gilmans The pharmacological basis of therapeutics, 9th edition. U.S.: McGraw‐Hill Companies, Inc. 

Harter  JG & Peck CC  (1991). Chronobiology. Suggestions  for  integrating  it  into drug development. Ann N Y Acad Sci 618: 563‐71. 

Healy D & McMonagle T (1997). The enhancement of social functioning as a therapeutic principle in the management of depression. J Psychopharmacol 11(4 Suppl): S25‐31. 

Hellum BH, Hu Z & Nilsen OG (2009). Trade herbal products and induction of CYP2C19 and CYP2E1 in cultured human hepatocytes. Basic Clin Pharmacol Toxicol 105(1): 58‐63. 

Hiemke  C  (2008a).  Clinical  utility  of  drug measurement  and  pharmacokinetics:  therapeutic  drug monitoring in psychiatry. Eur J Clin Pharmacol 64(2): 159‐66. 

Hiemke C (2008b). [Individualized treatment with tricyclic antidepressives. The pharmacogenetics of depression]. Pharm Unserer Zeit 37(3): 234‐40. 

Hiemke  C  (2008c).  Therapeutic  drug  monitoring  in  neuropsychopharmacology:  does  it  hold  its promises? Eur Arch Psychiatry Clin Neurosci 258 Suppl 1: 21‐7. 

Hiemke C, Dragicevic A, Grunder G, Hatter S, Sachse J, Vernaleken I & Muller MJ (2004). Therapeutic monitoring of new antipsychotic drugs. Ther Drug Monit 26(2): 156‐60. 

Hong  JY, Pan  JM, Gonzalez FJ, Gelboin HV & Yang CS  (1987). The  induction of a  specific  form of cytochrome P‐450 (P‐450j) by fasting. Biochem Biophys Res Commun 142(3): 1077‐83. 

Horsmans Y, Desager JP & Harvengt C (1992). Absence of CYP3A genetic polymorphism assessed by urinary excretion of 6 beta‐hydroxycortisol  in 102 healthy  subjects on  rifampicin. Pharmacol Toxicol 71(4): 258‐61. 

Hunt CM, Westerkam WR & Stave GM  (1992a). Effect of age and gender on  the activity of human hepatic CYP3A. Biochem Pharmacol 44(2): 275‐83. 

Hunt CM, Westerkam WR, Stave GM & Wilson  JA  (1992b). Hepatic  cytochrome P‐4503A  (CYP3A) activity in the elderly. Mech Ageing Dev 64(1‐2): 189‐99. 

Hyttel  J,  Bogeso  KP,  Perregaard  J  &  Sanchez  C  (1992).  The  pharmacological  effect  of  citalopram residues in the (S)‐(+)‐enantiomer. J Neural Transm Gen Sect 88(2): 157‐60. 

Ingelman‐Sundberg  M  (2001).  Pharmacogenetics:  an  opportunity  for  a  safer  and  more  efficient pharmacotherapy. J Intern Med 250(3): 186‐200. 

Ingelman‐Sundberg M, Oscarson M & McLellan RA  (1999). Polymorphic  human  cytochrome  P450 enzymes: an opportunity for individualized drug treatment. Trends Pharmacol Sci 20(8): 342‐9. 

Jerling M (1995a). Dosing of antidepressants‐‐the unknown art. J Clin Psychopharmacol 15(6): 435‐9. Jerling M (1995b). Population kinetics of antidepressant and neuroleptic drugs. Studies of therapeutic 

drug monitoring data to evaluate kinetic variability, drug interactions, non‐linear kinetics and the influence of genetic factors. Karolinska Institute. Stockholm, Sweden: 7‐41. 

Jerling M, Bertilsson L & Sjoqvist F (1994). The use of therapeutic drug monitoring data to document kinetic drug  interactions: an example with amitriptyline and nortriptyline. Ther Drug Monit 16(1): 1‐12. 

Juliano RL & Ling V (1976). A surface glycoprotein modulating drug permeability in Chinese hamster ovary cell mutants. Biochim Biophys Acta 455(1): 152‐62. 

Kalow W (1962). Pharmacogenetics. Heredity and the response to drugs, Philadelphia: Saunders. Kalow W (1991). Interethnic variation of drug metabolism. Trends Pharmacol Sci 12(3): 102‐7. Kappas A, Alvares AP, Anderson KE, Pantuck EJ, Pantuck CB, Chang R & Conney AH (1978). Effect 

of charcoal‐broiled beef on antipyrine and theophylline metabolism. Clin Pharmacol Ther 23(4): 445‐50. 

Kappas  A,  Anderson  KE,  Conney  AH  &  Alvares  AP  (1976).  Influence  of  dietary  protein  and carbohydrate on antipyrine and  theophylline metabolism  in man. Clin Pharmacol Ther 20(6): 643‐53. 

Kashuba AD & Nafziger AN (1998). Physiological changes during the menstrual cycle and their effects on the pharmacokinetics and pharmacodynamics of drugs. Clin Pharmacokinet 34(3): 203‐18. 

Keys A & Brozek J (1953). Body fat in adult man. Physiol Rev 33(3): 245‐325. 

78 

 

Kharasch ED, Russell M, Garton K, Lentz G, Bowdle TA & Cox K (1997). Assessment of cytochrome P450  3A4  activity  during  the  menstrual  cycle  using  alfentanil  as  a  noninvasive  probe. Anesthesiology 87(1): 26‐35. 

Kirchheiner  J,  Nickchen  K,  Bauer  M,  Wong  ML,  Licinio  J,  Roots  I  &  Brockmoller  J  (2004). Pharmacogenetics of antidepressants and antipsychotics: the contribution of allelic variations to the phenotype of drug response. Mol Psychiatry 9(5): 442‐73. 

Kirkwood C, Moore A, Hayes P, DeVane CL & Pelonero A  (1991).  Influence of menstrual cycle and gender on alprazolam pharmacokinetics. Clin Pharmacol Ther 50(4): 404‐9. 

Koop DR (1992). Oxidative and reductive metabolism by cytochrome P450 2E1. Faseb J 6(2): 724‐30. Kroon LA (2007). Drug interactions with smoking. Am J Health Syst Pharm 64(18): 1917‐21. Kruse W  (1992). Patient compliance with drug  treatment‐‐new perspectives on an old problem. Clin 

Investig 70(2): 163‐6. Lam  YW  (1988).  Stereoselectivity:  an  issue  of  significant  importance  in  clinical  pharmacology. 

Pharmacotherapy 8(3): 147‐57. Lasser RA & Sunderland T  (1998). Newer psychotropic medication use  in nursing home residents.  J 

Am Geriatr Soc 46(2): 202‐7. LeSage J (1991). Polypharmacy in geriatric patients. Nurs Clin North Am 26(2): 273‐90. Leslie  LK,  Newman  TB,  Chesney  PJ  &  Perrin  JM  (2005).  The  Food  and  Drug  Administrationʹs 

deliberations on antidepressant use in pediatric patients. Pediatrics 116(1): 195‐204. Linder MW, Prough RA & Valdes R,  Jr.  (1997). Pharmacogenetics: a  laboratory  tool  for optimizing 

therapeutic efficiency. Clin Chem 43(2): 254‐66. Lingjaerde O (2001). Psykofarmaka. Läkemedelsbehandling av psykiska sjukdomar, 4th edition. Lund: 

Studentlitteratur. Loscher W  &  Potschka  H  (2005).  Drug  resistance  in  brain  diseases  and  the  role  of  drug  efflux 

transporters. Nat Rev Neurosci 6(8): 591‐602. Lundmark  J, Bengtsson F, Nordin C, Reis M & Walinder  J  (2000a). Therapeutic drug monitoring of 

selective serotonin reuptake  inhibitors  influences clinical dosing strategies and reduces drug costs in depressed elderly patients. Acta Psychiatr Scand 101(5): 354‐9. 

Lundmark  J, Reis M & Bengtsson  F  (2000b). Therapeutic drug monitoring  of  sertraline: variability factors as displayed in a clinical setting. Ther Drug Monit 22(4): 446‐54. 

Lundmark J, Reis M & Bengtsson F (2001). Serum concentrations of fluoxetine in the clinical treatment setting. Ther Drug Monit 23(2): 139‐47. 

Lundmark J, Scheel Thomsen I, Fjord‐Larsen T, Manniche PM, Mengel H, Moller‐Nielsen EM, Pauser H & Walinder J (1989). Paroxetine: pharmacokinetic and antidepressant effect  in the elderly. Acta Psychiatr Scand Suppl 350: 76‐80. 

Mann K, Hiemke C, Schmidt LG & Bates DW (2006). Appropriateness of therapeutic drug monitoring for antidepressants in routine psychiatric inpatient care. Ther Drug Monit 28(1): 83‐8. 

Mannel M (2004). Drug interactions with St Johnʹs wort : mechanisms and clinical implications. Drug Saf 27(11): 773‐97. 

Marcus BH, Emmons KM, Simkin‐Silverman LR, Linnan LA, Taylor ER, Bock BC, Roberts MB, Rossi JS & Abrams DB (1998). Evaluation of motivationally tailored vs. standard self‐help physical activity interventions at the workplace. Am J Health Promot 12(4): 246‐53. 

May DG (1994). Genetic differences in drug disposition. J Clin Pharmacol 34(9): 881‐97. McRae AL (2002). Escitalopram H Lundbeck. Curr Opin Investig Drugs 3(8): 1225‐9. Mehvar R &  Jamali F  (1997). Bioequivalence of chiral drugs. Stereospecific versus non‐stereospecific 

methods. Clin Pharmacokinet 33(2): 122‐41. Meibohm  B,  Beierle  I  &  Derendorf  H  (2002).  How  important  are  gender  differences  in 

pharmacokinetics? Clin Pharmacokinet 41(5): 329‐42. Merkel  L  (2003).  The  history  of  psychiatry  PGY  II  Lecture  9/18/03.  University  of  Virginia. 

http://www.healthsystem.virginia.edu/internet/psych‐training/seminars/history‐of‐psychiatry‐8‐04.pdf  

79 

 

Merlin MD  (2003). Archaeological  evidence  for  the  tradition  of  psychoactive  plant  use  in  the  old world. Economic Botany 57(3): 295‐323. 

Meyer  UA  (1991).  Genotype  or  phenotype:  the  definition  of  a  pharmacogenetic  polymorphism. Pharmacogenetics 1(2): 66‐7. 

Meyer  UA  (1994).  The  molecular  basis  of  genetic  polymorphisms  of  drug  metabolism.  J  Pharm Pharmacol 46 Suppl 1: 409‐15. 

Montgomery  SA,  Loft H,  Sanchez C, Reines  EH &  Papp M  (2001).  Escitalopram  (S‐enantiomer  of citalopram): clinical efficacy and onset of action predicted from a rat model. Pharmacol Toxicol 88(5): 282‐6. 

Murdoch  D  &  Keam  SJ  (2005).  Escitalopram:  a  review  of  its  use  in  the  management  of  major depressive disorder. Drugs 65(16): 2379‐404. 

Nation RL (1994). Chirality  in new drug development. Clinical pharmacokinetic considerations. Clin Pharmacokinet 27(4): 249‐55. 

Nemeroff  CB,  Lieberman  JA, Weiden  PJ, Harvey  PD, Newcomer  JW,  Schatzberg AF, Kilts  CD & Daniel DG  (2005). From clinical research  to clinical practice: a 4‐year review of ziprasidone. CNS Spectr 10(11): s1‐20. 

Olesen OV & Linnet K (1999). Studies on the stereoselective metabolism of citalopram by human liver microsomes and cDNA‐expressed cytochrome P450 enzymes. Pharmacology 59(6): 298‐309. 

Pardridge WM (1996). Brain drug delivery and blood‐brain barrier  transport. Drug Delivery 3: 99‐115. Patat A (2000). Clinical pharmacology of psychotropic drugs. Hum Psychopharmacol 15(5): 361‐387. Paykel ES (2002). Mood disorders: review of current diagnostic systems. Psychopathology 35(2‐3): 94‐9. Peck CC,  Barr WH,  Benet  LZ, Collins  J, Desjardins  RE,  Furst DE, Harter  JG,  Levy G,  Ludden  T, 

Rodman  JH  &  et  al.  (1994).  Opportunities  for  integration  of  pharmacokinetics, pharmacodynamics, and  toxicokinetics  in rational drug development.  J Clin Pharmacol 34(2): 111‐9. 

Perrot N, Nalpas B, Yang CS & Beaune PH (1989). Modulation of cytochrome P450 isozymes in human liver, by ethanol and drug intake. Eur J Clin Invest 19(6): 549‐55. 

Poole Arcangelo V & Peterson AM  (2006). Pharmacotherapeutics  for  advanced practice:  a practical approach, 2th edition. Philadelphia: Lippincott Williams & Wilkins. 

Preskorn SH (1995). Polypharmacy: When is it rational? J Pract Psychiatry Behav Health 1: 92‐98. Preskorn  SH,  Burke MJ &  Fast  GA  (1993).  Therapeutic  drug monitoring.  Principles  and  practice. 

Psychiatr Clin North Am 16(3): 611‐45. Preskorn  SH,  Dorey  RC  &  Jerkovich  GS  (1988).  Therapeutic  drug  monitoring  of  tricyclic 

antidepressants. Clin Chem 34(5): 822‐8. Preskorn SH & Fast GA (1991). Therapeutic drug monitoring for antidepressants: efficacy, safety, and 

cost effectiveness. J Clin Psychiatry 52 Suppl: 23‐33. Pullar T & Feely M (1990). Problems of compliance with drug treatment: new solutions? Pharm J 245: 

213‐5. Rasmussen  BB  &  Brosen  K  (2000).  Is  therapeutic  drug monitoring  a  case  for  optimizing  clinical 

outcome and avoiding  interactions of  the selective serotonin  reuptake  inhibitors? Ther Drug Monit 22(2): 143‐54. 

Ratanasavanh D, Beaune P, Morel F, Flinois  JP, Guengerich FP & Guillouzo A  (1991).  Intralobular distribution and quantitation of cytochrome P‐450 enzymes  in human  liver as a  function of age. Hepatology 13(6): 1142‐51. 

Reis  M,  Aamo  T,  Ahlner  J  &  Druid  H  (2007).  Reference  concentrations  of  antidepressants.  A compilation of postmortem and therapeutic levels. J Anal Toxicol 31(5): 254‐64. 

Reis M, Aamo T,  Spigset O & Ahlner  J  (2009).  Serum  concentrations  of  antidepressant drugs  in  a naturalistic setting: compilation based on a large therapeutic drug monitoring database. Ther Drug Monit 31(1): 42‐56. 

Reis M,  Aberg‐Wistedt  A,  Agren H,  Akerblad  AC  &  Bengtsson  F  (2004).  Compliance with  SSRI medication  during  6  months  of  treatment  for  major  depression:  an  evaluation  by 

80 

 

determination of repeated serum drug concentrations. J Affect Disord 82(3): 443‐6. Reis M, Lundmark J & Bengtsson F  (2003). Therapeutic drug monitoring of racemic citalopram: a 5‐

year experience in Sweden, 1992‐1997. Ther Drug Monit 25(2): 183‐91. Reis  M,  Lundmark  J,  Bjork  H  &  Bengtsson  F  (2002a).  Therapeutic  drug  monitoring  of  racemic 

venlafaxine and  its main metabolites  in an everyday clinical  setting. Ther Drug Monit 24(4): 545‐53. 

Reis M, Olsson G, Carlsson B, Lundmark  J, Dahl ML, Walinder  J, Ahlner  J & Bengtsson F  (2002b). Serum  levels  of  citalopram  and  its  main  metabolites  in  adolescent  patients  treated  in  a naturalistic clinical setting. J Clin Psychopharmacol 22(4): 406‐13. 

Relling  MV,  Lin  JS,  Ayers  GD  &  Evans  WE  (1992).  Racial  and  gender  differences  in  N‐acetyltransferase, xanthine oxidase, and CYP1A2 activities. Clin Pharmacol Ther 52(6): 643‐58. 

Riddle M (1998). Obsessive‐compulsive disorder in children and adolescents. Br J Psychiatry Suppl(35): 91‐6. 

Rittmannsberger  H,  Meise  U,  Schauflinger  K,  Horvath  E,  Donat  H  &  Hinterhuber  H  (1999). Polypharmacy  in  psychiatric  treatment.  Patterns  of  psychotropic  drug  use  in  Austrian psychiatric clinics. Eur Psychiatry 14(1): 33‐40. 

Rudberg  I,  Mohebi  B,  Hermann  M,  Refsum  H  &  Molden  E  (2008).  Impact  of  the  ultrarapid CYP2C19*17  allele  on  serum  concentration  of  escitalopram  in  psychiatric  patients.  Clin Pharmacol Ther 83(2): 322‐7. 

Sadock B, Sadock V & Sussman N  (2006). Kaplan & Sadockʹs pocket handbook of psychiatric drug treatment 4th edition. Philadelphia: Lippincott Williams & Wilkins. 

Safer  DJ,  Zito  JM  &  DosReis  S  (2003).  Concomitant  psychotropic  medication  for  youths.  Am  J Psychiatry 160(3): 438‐49. 

Sanchez C, Bergqvist PB, Brennum LT, Gupta S, Hogg S, Larsen A & Wiborg O (2003a). Escitalopram, the  S‐(+)‐enantiomer  of  citalopram,  is  a  selective  serotonin  reuptake  inhibitor with  potent effects  in  animal  models  predictive  of  antidepressant  and  anxiolytic  activities. Psychopharmacology (Berl) 167(4): 353‐62. 

Sanchez C, Gruca  P &  Papp M  (2003b).  R‐citalopram  counteracts  the  antidepressant‐like  effect  of escitalopram in a rat chronic mild stress model. Behav Pharmacol 14(5‐6): 465‐70. 

Schinkel AH, Smit JJ, van Tellingen O, Beijnen JH, Wagenaar E, van Deemter L, Mol CA, van der Valk MA, Robanus‐Maandag EC,  te Riele HP &  et al.  (1994). Disruption of  the mouse mdr1a P‐glycoprotein gene leads to a deficiency in the blood‐brain barrier and to increased sensitivity to drugs. Cell 77(4): 491‐502. 

Schinkel AH, Wagenaar E, Mol CA & van Deemter L (1996). P‐glycoprotein in the blood‐brain barrier of mice  influences  the brain penetration and pharmacological activity of many drugs.  J Clin Invest 97(11): 2517‐24. 

Schumacher GE & Barr JT (1998). Total testing process applied to therapeutic drug monitoring: impact on patientsʹ outcomes and economics. Clin Chem 44(2): 370‐4. 

Schwartz JB (2003). The influence of sex on pharmacokinetics. Clin Pharmacokinet 42(2): 107‐21. Scordo MG, Caputi AP, DʹArrigo C, Fava G &  Spina E  (2004). Allele  and  genotype  frequencies  of 

CYP2C9, CYP2C19 and CYP2D6 in an Italian population. Pharmacol Res 50(2): 195‐200. Scordo  MG  &  Spina  E  (2002).  Cytochrome  P450  polymorphisms  and  response  to  antipsychotic 

therapy. Pharmacogenomics 3(2): 201‐18. Scordo MG,  Spina  E, Dahl ML, Gatti G &  Perucca  E  (2005).  Influence  of CYP2C9,  2C19  and  2D6 

genetic  polymorphisms  on  the  steady‐state  plasma  concentrations  of  the  enantiomers  of fluoxetine and norfluoxetine. Basic Clin Pharmacol Toxicol 97(5): 296‐301. 

Serradell J & Galle B (1993). Prescribing for unlabeled indications. HMO Pract 7(1): 44‐7. Sim SC, Risinger C, Dahl ML, Aklillu E, Christensen M, Bertilsson L & Ingelman‐Sundberg M (2006). 

A common novel CYP2C19 gene variant causes ultrarapid drug metabolism relevant for the drug response to proton pump inhibitors and antidepressants. Clin Pharmacol Ther 79(1): 103‐13. 

81 

 

Sindrup SH, Brosen K, Hansen MG, Aaes‐Jorgensen T, Overo KF & Gram LF (1993). Pharmacokinetics of citalopram in relation to the sparteine and the mephenytoin oxidation polymorphisms. Ther Drug Monit 15(1): 11‐7. 

Sitar DS (1989). Human drug metabolism in vivo. Pharmacol Ther 43(3): 363‐75. Soderback E, Zackrisson AL, Lindblom B & Alderborn A (2005). Determination of CYP2D6 gene copy 

number by pyrosequencing. Clin Chem 51(3): 522‐31. Sogaard B, Mengel H, Rao N & Larsen F (2005). The pharmacokinetics of escitalopram after oral and 

intravenous administration of single and multiple doses to healthy subjects. J Clin Pharmacol 45(12): 1400‐6. 

Spina E, Scordo MG & DʹArrigo C (2003). Metabolic drug interactions with new psychotropic agents. Fundam Clin Pharmacol 17(5): 517‐38. 

Stahl SM (1998). Psychopharmacology of antidepressants, United Kingdom: Martin Dunitz. Stoltz R, Cyong JC, Shah A & Parisi S (2004). Pharmacokinetic and safety evaluation of palonosetron, a 

5‐hydroxytryptamine‐3  receptor  antagonist,  in  U.S.  and  Japanese  healthy  subjects.  J  Clin Pharmacol 44(5): 520‐31. 

Sugimoto K, Uno T, Yamazaki H & Tateishi T (2008). Limited frequency of the CYP2C19*17 allele and its minor role in a Japanese population. Br J Clin Pharmacol 65(3): 437‐9. 

Teichmann AT (1990). Influence of oral contraceptives on drug therapy. Am J Obstet Gynecol 163(6 Pt 2): 2208‐13. 

Tollefson  G  (1993).  Major  depression.  In:  Current  psychiatric  therapy.  Dunner  DL,  editor, Philadelphia: WB Saunders. 

Torun B & Chew F (1999). Protein‐energy malnutrition. In: Shils ME, Olson JA, Shike M, Ross AC, eds. Modern  Nutrition  in  Health  and  Disease  (9th  ed.)  Lippincott  Williams  &  Wilkins, Philadelphia, PA. 

Tucker GT (2000). Chiral switches. Lancet 355(9209): 1085‐7. Uges DR & Schootstra R (1987). Changed pharmacokinetics under the influence of age. Pharm Weekbl 

Sci 9(2): 50‐5. Urquhart  J  (1994).  Role  of  patient  compliance  in  clinical  pharmacokinetics.  A  review  of  recent 

research. Clin Pharmacokinet 27(3): 202‐15. Wade  DN, Mearrick  PT  & Morris  JL  (1973).  Active  transport  of  L‐dopa  in  the  intestine.  Nature 

242(5398): 463‐5. Wainer IW (2001). The therapeutic promise of single enantiomers: introduction. Hum Psychopharmacol 

16(S2): S73‐S77. Wainer  IW, Ducharme  J &  Batist G  (1995).  ʺIfosfamide:  should  the  honeymoon  be  over?ʺ:  a  two‐

dimensional question for a three‐dimensional problem. J Clin Oncol 13(7): 1824‐6. van  Boxtel CJ,  Santoso  B &  Edwards  IR  (2001). Drug  benefics  and  risks:  international  textbook  of 

clinical pharmacology, New York: John Wiley  & Son Lids. Watkins  PB,  Murray  SA,  Winkelman  LG,  Heuman  DM,  Wrighton  SA  &  Guzelian  PS  (1989). 

Erythromycin  breath  test  as  an  assay  of  glucocorticoid‐inducible  liver  cytochromes  P‐450. Studies in rats and patients. J Clin Invest 83(2): 688‐97. 

Waugh J & Goa KL (2003). Escitalopram : a review of its use in the management of major depressive and anxiety disorders. CNS Drugs 17(5): 343‐62. 

Weiden PJ (2001). Ziprasidone update. J Psychiatr Pract 7(6): 358. Weiden PJ, Iqbal N, Mendelowitz AJ, Tandon R, Zimbroff DL & Ross R (2002). Best clinical practice 

with ziprasidone: update after one year of experience. J Psychiatr Pract 8(2): 81‐97. Wenk M, Todesco L & Krahenbuhl  S  (2004). Effect  of  St  Johnʹs wort  on  the  activities  of CYP1A2, 

CYP3A4, CYP2D6, N‐acetyltransferase 2, and xanthine oxidase in healthy males and females. Br J Clin Pharmacol 57(4): 495‐9. 

WHO  (1993). The  ICD‐10  classification of mental  and behavioural disorders: diagnostic  criteria  for research. World Health Organization. Geneva  

WHO (2000). Global Burden of Disease (GBD) 2000 estimates. World Health Organization. 

82 

 

WHO  (2001a).  Guidelines  for  ATC  Classification  and  DDD  Assignment  The  World  Health Organization Collaborating Centre for Drug Statistics Methodology Oslo, Norway. 

WHO  (2001b).  The World Health  Report  2001  ‐ Mental Health: New Understanding, New Hope. World  Health  Organization.  Geneva.  Available  from  URL: http://www.who.int/whr/2001/en/index.html [Accessed 2009 Sep. 15]. 

WHO  (2007a).  Growth  reference  data  for  children  and  adolescents,  5‐19  years.  World  Health Organization. Available  from URL: http://www.who.int/growthref/en/  [Accessed  2009 Aug. 31]. 

WHO  (2007b).  Guidelines  for  ATC  Classification  and  DDD  Assignment  The  World  Health Organization Collaborating Centre for Drug Statistics Methodology Oslo, Norway. Available from URL: http://www.whocc.no/atcddd/. 

WHO  (2007c).  Nutrition  and  food  security.  World  Health  Organization.  Available  from  URL: http://www.euro.who.int/nutrition/20030507_1# [Accessed 2009 Oct. 9]. 

WHO  (2009).  Health  topics.  World  Health  Organization.  Available  from URL:http://www.who.int/topics/obesity/en/ [Accessed 2009 Oct. 9]. 

Wilkinson  GR  (1996).  Cytochrome  P4503A  (CYP3A) metabolism:  prediction  of  in  vivo  activity  in humans. J Pharmacokinet Biopharm 24(5): 475‐90. 

Williams K & Lee E  (1985).  Importance of drug enantiomers  in clinical pharmacology. Drugs 30(4): 333‐54. 

Wilner KD, Tensfeldt TG, Baris B,  Smolarek TA, Turncliff RZ, Colburn WA & Hansen RA  (2000). Single‐  and multiple‐dose  pharmacokinetics  of  ziprasidone  in  healthy  young  and  elderly volunteers. Br J Clin Pharmacol 49(Suppl. 1): 15S‐20S. 

von  Moltke  LL,  Greenblatt  DJ,  Giancarlo  GM,  Granda  BW,  Harmatz  JS  &  Shader  RI  (2001). Escitalopram  (S‐citalopram)  and  its  metabolites  in  vitro:  cytochromes  mediating biotransformation,  inhibitory  effects,  and  comparison  to  R‐citalopram.  Drug Metab  Dispos 29(8): 1102‐9. 

Xie  HG,  Kim  RB,  Wood  AJ  &  Stein  CM  (2001).  Molecular  basis  of  ethnic  differences  in  drug disposition and response. Annu Rev Pharmacol Toxicol 41: 815‐50. 

Xie R (2000). Pharmacokinetic aspect of the blood‐brain barrier transport and equilibration of opioids studied with microdialysis  in rats and mice,  In Department of Pharamcaceutical Chemistry: Uppsala University. 

Xu H, Williams KM, Liauw WS, Murray M, Day RO & McLachlan AJ (2008). Effects of St Johnʹs wort and CYP2C9  genotype  on  the  pharmacokinetics  and  pharmacodynamics  of  gliclazide. Br  J Pharmacol 153(7): 1579‐86. 

Yan H  (2002). Stereoselective  transport of drugs across  the blood‐brain barrier  (BBB)  in vivo and  in vitro:  pharmacokinetic  and  pharmacodynamic  studies  of  the  (S)‐  and  (R)‐  enantiomers  of different  5‐HT1A  receptor  agonist  and  antagonist.  Ph.D.  thesis  from  the  Department  of Neuroscience, Uppsala University, Uppsala, Sweden. ISBN 91‐554‐5280‐9. 

Yang CS, Brady JF & Hong JY (1992). Dietary effects on cytochromes P450, xenobiotic metabolism, and toxicity. Faseb J 6(2): 737‐44. 

Yesavage JA (1986). Psychotropic blood levels: a guide to clinical response. J Clin Psychiatry 47 Suppl: 16‐9. 

Zackrisson  AL  &  Lindblom  B  (2003).  Identification  of  CYP2D6  alleles  by  single  nucleotide polymorphism analysis using pyrosequencing. Eur J Clin Pharmacol 59(7): 521‐6. 

Zackrisson AL, Lindblom B & Ahlner  J  (2009). High  frequency of CYP2D6 ultra‐rapid metabolizers among suicide cases. Clin Pharmacol Ther: In press. 

Zevin  S  &  Benowitz  NL  (1999).  Drug  interactions  with  tobacco  smoking.  An  update.  Clin Pharmacokinet 36(6): 425‐38. 

Zhang  G,  Terry  AV,  Jr.  &  Bartlett  MG  (2007).  Sensitive  liquid  chromatography/tandem  mass spectrometry  method  for  the  simultaneous  determination  of  olanzapine,  risperidone,  9‐hydroxyrisperidone, clozapine, haloperidol and ziprasidone in rat brain tissue. J Chromatogr B 

83 

 

Analyt Technol Biomed Life Sci 858(1‐2): 276‐81. Zhou  S,  Chan  E,  Li  SC,  Huang  M,  Chen  X,  Li  X,  Zhang  Q  &  Paxton  JW  (2004a).  Predicting 

pharmacokinetic herb‐drug interactions. Drug Metabol Drug Interact 20(3): 143‐58. Zhou S, Chan E, Pan SQ, Huang M & Lee EJ (2004b). Pharmacokinetic  interactions of drugs with St 

Johnʹs wort. J Psychopharmacol 18(2): 262‐76.  

84 

 

APPENDIX

         

Papers I ‐ IV 

85