Approaches for Applications of Physiologically Based Pharmacokinetic Models in Risk Assessment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Physiologically based pharmacokinetic (PBPK) models are particularly useful for simulating exposures to environmental toxicants for which, unlike pharmaceuticals, there is often little or no human data available to estimate the internal dose of a putative toxic moiety in a target tissue or an appropriate surrogate. This article reviews the current state of knowledge and approaches for application of PBPK models in the process of deriving reference dose, reference concentration, and cancer risk estimates. Examples drawn from previous U.S. Environmental Protection Agency (EPA) risk assessments and human health risk assessments in peer-reviewed literature illustrate the ways and means of using PBPK models to quantify the pharmacokinetic component of the interspecies and intraspecies uncertainty factors as well as to conduct route to route, high dose to low dose and duration extrapolations. The choice of the appropriate dose metric is key to the use of the PBPK models for the various applications in risk assessment. Issues related to whether uncertainty factors are most appropriately applied before or after derivation of human equivalent dose (or concentration) continue to be explored. Scientific progress in the understanding of life stage and genetic differences in dosimetry and their impacts on variability in susceptibility, as well as ongoing development of analytical methods to characterize uncertainty in PBPK models, will make their use in risk assessment increasingly likely. As such, it is anticipated that when PBPK models are used to express adverse tissue responses in terms of the internal target tissue dose of the toxic moiety rather than the external concentration, the scientific basis of, and confidence in, risk assessments will be enhanced.
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.
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) | 0,001 | 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) | 0,000 | 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 découle