Pharmacokinetics and Pharmacodynamics of Recombinant Soluble Thrombomodulin in Disseminated Intravascular Coagulation Patients With Renal Impairment
Notice bibliographique
Résumé
Recombinant human soluble thrombomodulin (TM-α) was recently developed as an anticoagulant for patients with disseminated intravascular coagulation (DIC). However, the pharmacokinetics and pharmacodynamics of TM-α in DIC patients with severe renal impairment have not yet been elucidated. We investigated the pharmacokinetics and pharmacodynamics of TM-α in DIC patients with severe renal impairment. Eleven DIC patients with severe renal impairment (creatinine clearance <30 mL/min) and 10 DIC patients without severe renal impairment (creatinine clearance ≥30 mL/min) were included in this study. In all patients, a dose of 380 U/kg of TM-α was administered during a 30-min infusion. Blood samples were taken before the start of the first TM-α administration, and at 0.5, 2, 4, 8, and 24 h after the start of administration. Although the clearance of TM-α in the patients with renal impairment was 80% of that in the patients without renal impairment, none of the pharmacokinetic values were significantly different between the groups. In the pharmacokinetic simulation, however, the trough levels of TM-α increased gradually in the patients with renal impairment when the same dose of TM-α was repeatedly administered. After the administration of TM-α, the prothrombinase activities in the patients in both groups were sufficiently inhibited during the observation period. Although the pharmacokinetic values in DIC patients with severe renal impairment were only slightly different from those in DIC patients without severe renal impairment, we need to pay attention to the elevation of the trough levels of TM-α when the same dose of TM-α is repeatedly administered.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».