Bevacizumab dosing strategy in paediatric cancer patients based on population pharmacokinetic analysis with external validation
Notice bibliographique
Résumé
AIM: The aim of the present study was to evaluate the pharmacokinetics of bevacizumab and various dosing strategies for this agent in paediatric patients. METHODS: Data were collected from 232 paediatric patients (1971 concentrations) in five studies, with a wide range of age (0.5-21 years), body weight (BWT; 5.9-125 kg), and regimens (5-15 mg kg(-1) biweekly or triweekly). Data from 152 patients (1427 concentrations) and 80 patients (544 concentrations) were used for model building and external validation, respectively. Steady-state exposure was simulated under BWT-based, body surface area (BSA)-based, ideal body weight (IBW)-based, and tier-based doses. NONMEM and R were used for analyses. RESULTS: Typical estimates of clearance, central volume of distribution (V1), and median half-life were 9.04 ml h(-1) , 2851 ml, and 19.6 days, respectively. Clearance decreased with increasing albumin. Clearance and V1 increased with BWT and were higher in male patients. Clearance and V1 were lower in children with primary central nervous system (CNS) tumours than in children with sarcomas, resulting in 49% higher trough (C min) and 29% higher peak (Cmax) concentrations. BWT-adjusted clearance and V1 remained unchanged across ages. Paediatric C min was similar to adult C min under all dosing strategies. Paediatric Cmax exceeded adult Cmax under tier-based doses. CONCLUSIONS: BWT-adjusted pharmacokinetic parameter estimates in paediatric patients were similar to those in adults, and similar across ages. Bevacizumab exposure was higher in children with primary CNS tumours than in children with sarcomas. BSA-based, IBW-based, and tier-based doses offered no substantial advantage over the BWT-based dose currently used in adults for bevacizumab. Given the similarity in pharmacokinetics among many monoclonal antibodies, this may help to develop practical paediatric dosing guidelines for other therapeutic antibodies.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».