Bayesian approach for the estimation of cyclosporine area under the curve using limited sampling strategies in pediatric hematopoietic stem cell transplantation
Notice bibliographique
Résumé
BACKGROUND: The optimal marker for cyclosporine (CsA) monitoring in transplantation patients remains controversial. However, there is a growing interest in the use of the area under the concentration-time curve (AUC), particularly for cyclosporine dose adjustment in pediatric hematopoietic stem cell transplantation. In this paper, we develop Bayesian limited sampling strategies (B-LSS) for cyclosporine AUC estimation using population pharmacokinetic (Pop-PK) models and investigate related issues, with the aim to improve B-LSS prediction performance. METHODS: Twenty five pediatric hematopoietic stem cell transplantation patients receiving intravenous and oral cyclosporine were investigated. Pop-PK analyses were carried out and the predictive performance of B-LSS was evaluated using the final Pop-PK model and several related ones. The performance of B-LSS when targeting different versions of AUC was also discussed. RESULTS: A two-compartment structure model with a lag time and a combined additive and proportional error is retained. The final covariate model does not improve the B-LSS prediction performance. The best performing models for intravenous and oral cyclosporine are the structure ones with combined and additive error, respectively. Twelve B-LSS, consisting of 4 or less sampling points obtained within 4 hours post-dose, predict AUC with 95th percentile of the absolute values of relative prediction errors of 20% or less. Moreover, B-LSS perform better for the prediction of the 'underlying' AUC derived from the Pop-PK model estimated concentrations that exclude the residual errors, in comparison to their prediction of the observed AUC directly calculated using measured concentrations. CONCLUSIONS: B-LSS can adequately estimate cyclosporine AUC. However, B-LSS performance is not perfectly in line with the standard Pop-PK model selection criteria; hence the final model might not be ideal for AUC prediction purpose. Therefore, for B-LSS application, Pop-PK model diagnostic criteria should additionally account for AUC prediction errors.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».