Evaluation of Exposure Change of Nonrenally Eliminated Drugs in Patients With Chronic Kidney Disease Using Physiologically Based Pharmacokinetic Modeling and Simulation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Chronic kidney disease, or renal impairment (RI) can increase plasma levels for drugs that are primarily renally cleared and for some drugs whose renal elimination is not a major pathway. We constructed physiologically based pharmacokinetic (PBPK) models for 3 nonrenally eliminated drugs (sildenafil, repaglinide, and telithromycin). These models integrate drug-dependent parameters derived from in vitro, in silico, and in vivo data, and system-dependent parameters that are independent of the test drugs. Plasma pharmacokinetic profiles of test drugs were simulated in subjects with severe RI and normal renal function, respectively. The simulated versus observed areas under the concentration versus time curve changes (AUCR, severe RI/normal) were comparable for sildenafil (2.2 vs 2.0) and telithromycin (1.6 vs 1.9). For repaglinide, the initial, simulated AUCR was lower than that observed (1.2 vs 3.0). The underestimation was corrected once the estimated changes in transporter activity were incorporated into the model. The simulated AUCR values were confirmed using a static, clearance concept model. The PBPK models were further used to evaluate the changes in pharmacokinetic profiles of sildenafil metabolite by RI and of telithromycin by RI and co-administration with ketoconazole. The simulations demonstrate the utility and challenges of the PBPK approach in evaluating the pharmacokinetics of nonrenally cleared drugs in subjects with RI.
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle