Pharmacokinetics of aminoglycosides in patients with chronic spinal cord injury
Notice bibliographique
Résumé
PURPOSE: The pharmacokinetics of amino-glycosides in patients with chronic spinal cord injury (SCI) is reviewed. SUMMARY: SCI is associated with many physiological changes that can affect disposition of drugs such as aminoglycosides; therefore, dosing of aminoglycosides in this population can be challenging. In general, volume of distribution is significantly higher in the SCI population compared with the non-SCI population; however, clearance and half-life may be larger or no different. When gentamicin is administered intramuscularly, there is no difference in bioavailability when the dose is administered below the level of the injury but absorption appears to be slower in patients with SCI compared with the non-SCI population. Several methods of laboratory assessment of renal function, such as serum creatinine (SCr), 24-hour urine creatinine clearance (CL(cr)), and cystatin C, have advantages and limitations associated with their use in the SCI population. The majority of evidence suggests that SCr and various estimation equations are not accurate methods for assessing renal function in this population. Although measured CL(cr) by 24-hour urine collection is not dependent on muscle mass, wide intrapatient variability in CL(cr) results is still observed. Cystatin C may be a good option in this population; however, its use is limited by its availability. CONCLUSION: Determining appropriate aminoglycoside dosage in patients with SCI is challenging because such patients exhibit physiological changes that lead to their having different aminoglycoside pharmacokinetic values than the general population. Monitoring of aminoglycoside concentrations and calculation of patient-specific pharmacokinetic values can help guide dosage in this patient population.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».