Mathematical modelling response of Pseudomonas aeruginosa to meropenem
Notice bibliographique
Résumé
OBJECTIVES: Widespread emergence of resistance to antimicrobial agents is a serious problem. The rate at which new agents are made available clinically is unlikely to keep up with these resistant pathogens, and there is an urgent need to accelerate antimicrobial agent development. We explored the use of mathematical modelling to guide selection of dosing regimens. METHODS: Using time-kill studies data of Pseudomonas aeruginosa over 24 h, we developed a mathematical model to capture the dynamic relationship between a heterogeneous microbial population and meropenem concentrations. The microbial behaviour in response to meropenem over 5 days was predicted via computer simulation and subsequently validated using an in vitro hollow fibre infection model. Three parallel differential equations were used, each characterizing the rate of change of drug concentration, microbial susceptibility and microbial burden of the surviving population over time, respectively. Several model structures were explored; they differed in the adaptation of the microbial population over time. Various fluctuating concentration-time profiles of meropenem were experimentally examined, mimicking human elimination and repeated dosing. RESULTS: Using limited experimental data as inputs, the mathematical model was reasonable in qualitatively predicting microbial response (sustained suppression or regrowth due to resistance emergence) to various pharmacokinetic profiles of meropenem. CONCLUSIONS: Our results suggest that mathematical modelling may be used to predict microbial response to a large number of antimicrobial agent dosing regimens efficiently, and have the potential to be used to guide highly targeted investigation of dosing regimens in pre-clinical studies and clinical trials. The in vivo relevance of the modelling approach warrants further investigations.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».