Two‐stage vs mixed‐effect approach to pharmacodynamic modeling of propofol in children using state entropy
Notice bibliographique
Résumé
OBJECTIVES: To compare the population pharmacodynamic (PD) models of propofol in children derived using two-stage and mixed-effect modeling approaches. METHODS: Fifty-two ASA 1 and 2 children aged 6-15 years presenting for gastrointestinal endoscopy were administered a loading dose of 4 mg·kg(-1) of propofol intravenously at an infusion rate determined by a randomization schedule. Using the plasma concentration predicted by the Paedfusor pharmacokinetic (PK) model, the propofol effect on state entropy (SE) was modeled using the two-stage and the mixed-effect modeling approaches, and the final population PD models were compared with each other in terms of their prediction performance, using median percentage and absolute percentage errors as well as mean absolute weighted error as metrics. The effects of age and body weight as prospective covariates were examined. RESULTS: The final population models were comparable with each other; the two-stage and the mixed-effect approaches resulted in a k(e0) of 2.38 and 2.66 min(-1), γ of 5.29 and 5.68, and EC(50) of 4.73 and 4.84 μg·ml(-1), respectively. The bootstrap estimates of the PD parameters were mean (SD) k(e0) = 2.38 (0.10), γ = 5.30 (0.30), and EC(50) = 4.73 (0.14). The PD parameters did not exhibit dependence on age and body weight. The parameters reported in this study in children were different from their adult counterparts reported in previous studies. CONCLUSIONS: Models derived using different mathematical approaches produced consistent model parameters. By virtue of its relative computational efficiency, the two-stage approach can serve as an attractive alternative to the mixed-effect approach in situations where data are not sparse.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».