Therapeutic drug monitoring in the treatment of tuberculosis: a retrospective analysis
Notice bibliographique
Résumé
SETTING: Tuberculosis (TB) in-patient treatment unit in Vancouver, Canada. OBJECTIVE: To examine the results of therapeutic drug monitoring (TDM) in anti-tuberculosis treatment. DESIGN: We performed a retrospective analysis of TDM data from 2000 to 2010. All in-patients treated for TB with TDM performed during their treatment course were included. RESULTS: TDM was performed on 52 patients in 76 treatment episodes from 2000 to 2010. Overall, 103/213 (48.4%) drug levels measured were low, and 5/213 (2.3%) were high. At least one drug level was low in 47/52 (90.3%) patients. Initial serum levels were low in respectively 76.6% and 68.4% of isoniazid (INH) and rifampicin (RMP) levels. In contrast, only 2.9% of initial pyrazinamide levels were low. Five patients with a susceptible strain on initial presentation later developed drug-resistant disease, with all five patients demonstrating at least one low drug level and two demonstrating multiple low levels. Dose adjustments were made in response to 26 INH and RMP levels, with variable serum responses. CONCLUSION: In this population with high rates of treatment failure and acquired resistance, we demonstrate that most patients had low drug levels. Prospective studies are required to examine the relationship between drug levels and clinical outcomes.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».