Beyond Cyclosporine: A Systematic Review of Limited Sampling Strategies for Other Immunosuppressants
Notice bibliographique
Résumé
Therapeutic drug monitoring has gained much attention in the management of immunosuppressive therapy. Area under the plasma drug concentration-time curve (AUC) is the pharmacokinetic (PK) parameter most commonly used to assess total exposure to a drug. However, estimation of AUC requires multiple blood samples throughout the dosing period, which is often inconvenient and expensive. Limited sampling strategies (LSSs) are therefore developed to estimate AUC and other PK parameters accurately and precisely while minimizing the number of blood samples needed. This greatly reduces costs, labor and inconvenience for both patients and clinical staff. In the therapeutic management of solid organ transplantation, LSSs for cyclosporine are commonplace and have been extensively reviewed. Thus, this systematic review paper focuses on other immunosuppressive agents and categorizes the 24 pertinent citations according to the U.S. Preventive Services Task Force rating scale. Thirteen articles (3 level I, 1 level II-1, 2 level II-2, and 7 level III) involved LSSs for mycophenolate, 7 citations (1 level I and 6 level III) for tacrolimus (TAC), and 3 citations (all level III) for other drugs (sirolimus) or multiple drugs. The 2 main approaches to establishing LSSs, multiple regression and Bayesian analyses, are also reviewed. Important elements to consider for future LSS studies, including proper validation of LSSs, convenient sampling times, and application of LSSs to the appropriate patient population and drug formulation are discussed. Limited sampling strategies are a useful tool to help clinicians make decisions on drug therapy. However, patients' pathophysiology, environmental and genetic factors, and pharmacologic response to therapy, in conjunction with PK profiling tools such as LSSs, should be considered collectively for optimal therapy management.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 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 ».