Limited sampling strategies for sirolimus after pediatric renal transplantation
Notice bibliographique
Résumé
SRL has been increasingly used in renal transplantation, but limited sampling approaches for estimation of AUC remain elusive. A post-hoc analysis of 94 PK profiles in 75 patients from four previous studies was performed to generate limited sampling approaches for approximation of AUC based on two to four time points for both BID and OD SRL dosing. AUC was calculated using the trapezoid rule. Stepwise linear regression was performed to generate an abbreviated AUC from the limited sampling approaches. For BID dosing, complete AUC had a strong correlation with the trough levels (r(2) = 0.882, p < 0.0001) and with C2 level (r(2) = 0.9025, p < 0.0001). A three-point and a four-point limited sampling approach showed improved agreement with complete AUC compared with single-point sampling. A convenient and accurate (r(2) = 0.992) four-point limited sampling approach reads: AUC = 10;(1.085 + 0.117 x log C0 + 0.164 x log C1-0.131 x log C2 + 0.823 x log C4). Similarly, complete AUC had a statistically significant correlation with the trough levels (r(2) = 0.549, p < 0.0001) and with C2 level (r(2) = 0.716, p < 0.0001) for OD dosing. The estimation of AUC for OD dosing was improved over single-point sampling (r(2) = 0.951) using the formula: AUC = 10;(1.100 + 0.115 x log C0 + 0.803 x log C4). This study represented the first limited sampling approach for SRL. Further studies are required to determine the optimal SRL target AUC.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».