A Critical Review: Does Thiopental Continuous Infusion Warrant Therapeutic Drug Monitoring in the Critical Care Population?
Notice bibliographique
Résumé
Thiopental is a barbiturate used in traumatic brain injuries (TBIs) to reduce intracranial pressure (ICP) and to manage cerebral ischemia. As thiopental follows Michaelis-Menten kinetics, therapeutic drug monitoring (TDM) has been used in practice to improve efficacy and reduce adverse effects. However, its role is still debatable, and TDM is not widely practiced. Current evidence suggests that thiopental therapy may improve mortality and functional outcome in a subpopulation of patients with severe TBI with elevated ICP refractory to conventional medical therapy. Several analytical methods are available to quantify thiopental concentrations. This review uses a previously published 9-step decision-making algorithm to determine whether TDM of thiopental in TBI is warranted. There seems to be poor correlation between thiopental concentration and pharmacological response in terms of neurological response, ICP, electroencephalography, and drug toxicity. There is no established therapeutic range for thiopental continuous infusion due to a wide range of plasma concentrations corresponding to efficacy (25-50 mg/L) and toxicity (30-70 mg/L) and the resulting overlap between the 2. Thiopental exhibits intrapatient and interpatient variability due to age, obesity, renal and hepatic dysfunction, Michaelis-Menten kinetics, and hepatic enzyme autoinduction. Available evidence suggests that TDM of thiopental continuous infusion is not beneficial in improving efficacy or avoiding toxicity. There are however 2 possible scenarios in which TDM may provide additional information to sound clinical judgment. The first is providing patient-specific plasma target concentration to guide titration of therapy. The second scenario is differentiating between brain death and barbiturate-induced coma.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».