Aluminum toxicokinetics in peritoneal dialysis patients
Notice bibliographique
Résumé
CONTEXT: Despite the risk of aluminum (Al) toxicity in dialysis patients, little is known about its toxicokinetics (TK) in this population. A national contamination of dialysate solutions with Al provided the opportunity to study Al TK in peritoneal dialysis (PD) patients and to better understand the influence of covariates on its disposition. METHODS: Al levels in serum and dialysate as well as other laboratory values were collected prospectively from 83 PD patients after correction of Al contamination. Population TK analyses were conducted with NONMEM VI using standard model discrimination criteria. Covariate analyses were also performed using stepwise forward regression followed by backward deletion. RESULTS: After correction of Al exposure, serum levels declined in a biphasic manner, which was captured by the TK model. The TK of Al were best described by a 2-compartment model with linear elimination. Total creatinine clearance was a significant covariate for total clearance (CL). Mean parameter estimates for volume of central compartment (V1), CL, volume of peripheral compartment (V2), volume of distribution at steady-state (Vss), and intercompartmental clearance (Q) were 168 L, 8.99 L/day, 12 000 L, 12 168 L, and 4.93 L/day, respectively. Inter-individual variability for CL and V2 were 22.6 and 51.1%, respectively. Al distributional half-life was 8.5 days, while the terminal elimination half-life was 7.2 years. This model confirms that the large Vss reflects the widespread distribution of Al in bone, lungs, liver, and other tissues. CONCLUSION: This study describes the first population Al TK model in a large group of PD patients, which includes a covariate effect. The model confirms the extensive half-life and tissue distribution of Al in a dialysis-dependent population.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 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 ».