Population pharmacokinetic analysis for risperidone using highly sparse sampling measurements from the CATIE study
Notice bibliographique
Résumé
WHAT IS ALREADY KNOWN ABOUT THIS SUBJECT • Risperidone metabolism is affected by blocking CYP2D6 and CYP3A4 (in CYP2D6 poor metabolizers) metabolizing enzymes. • Age affects risperidone disposition and renal function affects elimination of 9‐hydroxy‐risperidone (primary active metabolite). WHAT THIS STUDY ADDS • The detection of a systematic shift in estimated apparent clearance in the African‐American population (it is not clear if there are biological or sociological contributors), and a shift in the clearance rate of risperidone based on concomitant administration of paroxetine, manifested as a change in assignment to a different metabolizer subpopulation group that may be primarily related to CYP2D6 metabolizer status. • The study shows an age‐related decrement in 9‐hydroxy‐risperidone clearance across a wide range of ages. • Information on the nature of the pharmacokinetic variability with risperidone when used in a typical clinical patient population. • There are significant differences in the absolute values as well as the assignment to metabolizer status across race and concomitant paroxetine administration. AIMS To characterize pharmacokinetic (PK) variability of risperidone and 9‐OH risperidone using sparse sampling and to evaluate the effect of covariates on PK parameters. METHODS PK analysis used plasma samples collected from the Clinical Antipsychotic Trials of Intervention Effectiveness. A nonlinear mixed‐effects model was developed using nonmem to describe simultaneously the risperidone and 9‐OH risperidone concentration–time profile. Covariate effects on risperidone and 9‐OH risperidone PK parameters were assessed, including age, weight, sex, smoking status, race and concomitant medications. RESULTS PK samples comprised 1236 risperidone and 1236 9‐OH risperidone concentrations from 490 subjects that were available for analysis. Ages ranged from 18 to 93 years. Population PK submodels for both risperidone and 9‐OH risperidone with first‐order absorption were selected to describe the concentration–time profile of risperidone and 9‐OH risperidone. A mixture model was incorporated with risperidone clearance (CL) separately estimated for three subpopulations [poor metabolizer (PM), extensive metabolizer (EM) and intermediate metabolizer (IM)]. Age significantly affected 9‐OH risperidone clearance. Population parameter estimates for CL in PM, IM and EM were 12.9, 36 and 65.4 l h−1 and parameter estimates for risperidone half‐life in PM, IM and EM were 25, 8.5 and 4.7 h, respectively. CONCLUSIONS A one‐compartment mixture model with first‐order absorption adequately described the risperidone and 9‐OH risperidone concentrations. Age was identified as a significant covariate on 9‐OH risperidone clearance in this study.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».