MétaCan
Menu
Retour à la cohorte
Enregistrement W2101250996 · doi:10.1345/aph.1c379

Prediction of Milk/Plasma Concentration Ratio of Drugs

2003· review· en· W2101250996 sur OpenAlexaff
Line Alleslev Larsen, Shinya Ito, Gideon Koren

Notice bibliographique

RevueAnnals of Pharmacotherapy · 2003
Typereview
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensSickKids FoundationCanadian Institutes of Health ResearchHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLipophilicityMedicinePlasma concentrationDrugInternal medicinePharmacologyChemistryStereochemistry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The milk to plasma (m/p) concentration ratio of drugs is used to estimate the amount of drug offered to the suckling infant. Published literature was reviewed to identify drugs for which sufficient data exist for calculation of m/p ratio and to examine whether the existing empiric data agree with the published method of Atkinson for mathematical prediction of m/p ratios based on physiochemical characteristics. METHODS: Using a comprehensive reference text, we identified studies reporting sufficient data to calculate m/p ratio based on the AUC for milk and plasma. Subsequently, we calculated the m/p ratio with Atkinson's formula based on pKa, lipophilicity, and protein binding. We then correlated the empiric versus predicted (calculated) m/p ratios. RESULTS: Of 192 drugs of which at least some data on milk accumulation have been published, there were sufficient data to quantify m/p ratios for only 69 medications (78 studies). There was no significant correlation between the empiric m/p ratios and the predicted values using the Atkinson's model. CONCLUSIONS: Reliable data on m/p concentration ratios exist for few medications. Presently, there is no appropriate model to predict milk concentrations of drugs in humans.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,317
Tête enseignante GPT0,501
Écart entre enseignants0,184 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations82
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of PharmacotherapyMême sujetPharmaceutical studies and practicesTravaux en français237 207