MétaCan
Menu
Retour à la cohorte
Enregistrement W2045367654 · doi:10.1002/bdd.236

Dose staggering as a strategy to reduce drug–drug interactions due to reversible enzyme inhibition between orally administered drugs with high first pass effect: a computer simulation study

2000· article· en· W2045367654 sur OpenAlexaff
Jim Fang, G McKay, John W. Hubbard, E. M. Hawes, K.K. Midha

Notice bibliographique

RevueBiopharmaceutics & Drug Disposition · 2000
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésDrugPharmacologyDrug interactionAbsorption (acoustics)PharmacokineticsFirst pass effectMedicineChemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

A physiological computer model was designed to simulate the metabolic drug-drug interactions between two orally co-administered drugs due to reversible enzyme inhibition using drug concentrations in the portal vein. The extent of interactions was compared at steady-state for the effects of a delay in time between the administration of the substrate and the inhibitor. It was demonstrated that the extent of the interactions can be strongly affected by a time interval between the two drug administrations. By delaying the administration of the inhibitor until after the absorption phase of the substrate, one can significantly reduce the extent of the drug--drug interactions. This is because drug concentrations in the portal vein and the liver are much higher than that in the systemic circulation during the absorption phase. The model also showed that interactions involving substrates with a high extraction ratio (E(H)), i.e., drugs with higher first-pass effect, can be more strongly affected by dose staggering. Substrates with a low absorption rate constant (k(a)) require a longer interval with the inhibitor in order to reduce the extent of the interactions. This observation suggests dose staggering as a simple and cost-effective way to reduce the extent of unwanted drug--drug interactions in clinical practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,539
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,406
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiopharmaceutics & Drug DispositionMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207