Limited Sampling Strategies for Predicting Area Under the Concentration-Time Curve of Mycophenolic Acid in Islet Transplant Recipients
Notice bibliographique
Résumé
BACKGROUND: Mycophenolate mofetil is widely used in islet transplant recipients and its active metabolite, mycophenolic acid (MPA), exhibits wide pharmacokinetic variability. However, to our knowledge, no limited sampling strategy (LSS) exists for monitoring MPA in this subpopulation. OBJECTIVE: To define optimal LSSs for MPA monitoring and to test their predictive performance in islet transplant recipients. METHODS: After written informed consent was obtained and upon administration of a steady-state morning mycophenolate mofetil dose, blood samples were collected at 0, 0.3, 0.6, 1, 1.5, 2, 3, 4, 6, 8, 10, and 12 hours from 16 stable islet transplant recipients. MPA concentrations were measured by a validated high-performance liquid chromatography method with ultraviolet detection and pharmacokinetic parameters analyzed by noncompartmental modeling. All 16 patients' profiles were used to develop the LSSs via multiple regression analysis. Potential LSSs were restricted to ones having R(2) 0.90 or greater and 3 or fewer time points within the first 4 hours postdose. Resulting equations were validated for their predictive performance using the jackknife method, with acceptable criteria for bias and precision preset to within +/-15%. In addition, 14 published LSSs (in the renal transplant population) were tested in our islet transplant patients. RESULTS: Five LSSs met preset criteria and had conventional sampling times: AUC = 1.783 + 1.248C1 + 0.888C2 + 8.027C4 (R2 = 0.98, bias = -3.09%, precision = 9.53%) AUC = 2.778 + 1.413C1 + 0.963C3 + 7.511C4 (R2 = 0.97, bias = -3.22%, precision = 11.02%) AUC = 1.448 + 1.239C1 + 0.271C1.5 + 9.108 C4 (R2 = 0.96, bias = -1.90%, precision = 11.46) AUC = 1.410 - 0.259C0 + 1.443C1 + 9.622C4 (R2 = 0.96, bias = -2.68%, precision = 11.53%) AUC = 1.547 + 1.417C1 + 9.448C4 (R2 = 0.96, bias = -2.46%, precision = 11.14%) where AUC = area under the concentration-time curve. None of the other published LSSs in the renal transplant population met the preset criteria for bias and precision. CONCLUSIONS: To our knowledge, these are the first precise and accurate LSSs for predicting MPA AUC developed specifically for islet transplant recipients. The LSS that we recommend is the one utilizing 2 concentrations: AUC = 1.547 + 1.417C1 + 9.448C4. This equation is convenient and clinically feasible. Other islet transplant centers may wish to validate our equation in their population or use our template as a guide to develop accurate and precise LSSs specific to their 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 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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».