Paroxetine: population pharmacokinetic analysis in late‐life depression using sparse concentration sampling
Notice bibliographique
Résumé
AIM: To develop a population pharmacokinetic (PK) model using sparse sampling of long-term treatment with paroxetine in elderly depressed subjects, incorporating CYP2D6 genotype as well as other covariates. METHODS: Elderly subjects (age>or=70 years) with nonpsychotic, nonbipolar major depressive disorder from the inpatient and outpatient clinic were treated with paroxetine in a 5-year clinical trial investigating 'Maintenance Therapies in Late-Life Depression' (MTLD-2). Plasma concentrations were collected during regular visits. CYP2D6 genotype was determined using polymerase chain reaction (PCR) for each individual. A nonlinear mixed-effects model was developed with NONMEM for these subjects who received 10-40 mg day-1 of paroxetine during treatment. One- and two-compartment models with linear and nonlinear elimination (Michaelis-Menten) were evaluated. PK parameters as well as interindividual and residual variability were estimated. The effects of age, weight, sex, race and CYP2D6 genotypes on the pharmacokinetics of paroxetine were evaluated. RESULTS: One hundred and seventy-one subjects with a mean age of 77 years (range 69-95) and a mean weight of 72.0 kg (range 32.9-137.0) were enrolled in the MTLD-2 clinical trial. A total of 1970 paroxetine concentrations were available for population PK analyses. Approximately 10 samples were taken per subject. A two-compartment nonlinear PK model with additive and proportional error provided the best base model for description of the data. Weight and CYP2D6 polymorphisms were found to have a significant effect on maximal velocity (Vm), whereas sex had an effect on volume of distribution of the central compartment. The Vm estimates in each of the CYP2D6 phenotypic groups were: 125 microg h-1 in poor metabolizer (n=1), 182 microg h-1 in intermediate metabolizers (n=28), 454 microg h-1 in extensive metabolizers (n=36) and 3670 microg h-1 in ultra-rapid metabolizers (n=5). CONCLUSIONS: The population PK model adequately described paroxetine data in this elderly depressed population. The data indicate that female and male subjects with different CYP2D6 polymorphisms have different elimination rates and therefore may need to be dosed differently based on metabolizer genotype.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».