Population pharmacokinetic modeling of motesanib and its active metabolite, M4, in cancer patients
Notice bibliographique
Résumé
Motesanib is a small molecule and potent multikinase inhibitor with antiangiogenic and antitumor activity. Population pharmacokinetic (POPPK) modeling of motesanib and M4, an active metabolite, was performed to assess sources of variability in cancer patients. The analysis included data collected from 451 patients from 8 clinical trials with oral doses of motesanib ranging from 25 to 175 mg, either once daily or twice daily. The POPPK analyses were performed using nonlinear mixed-effect models with a sequential approach. Covariate effects of demographics and other baseline characteristics were assessed with stepwise covariate modeling. A 2-compartment model with food effect on absorption parameters fitted the PK data of motesanib well. The effects albumin and sex on apparent clearance (CL/F) of motesanib were statistically significant. The albumin effect was more important but remained below a 25% difference. A 1-compartment model fitted PK data of M4 well. Effects of race (Asian vs non-Asian) and dosing frequency were identified as statistically significant covariates on the CL/F of M4. The maximum effect of albumin would result in less than 25% change in motesanib CL/F and as such would not warrant any dosing adjustment. However, faster elimination of M4 in Asian patients requires further investigation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».