Indigenous Knowledge, Livelihoods and Government Policy
Notice bibliographique
Résumé
The objectives of this study were (i) to develop a screening-level Quantitative property-property relationship (QPPR) for intrinsic clearance (CL(int)) obtained from in vivo animal studies and (ii) to incorporate it with human physiology in a PBPK model for predicting the inhalation pharmacokinetics of VOCs. CL(int), calculated as the ratio of the in vivo V(max) (μmol/h/kg bw rat) to the K(m) (μM), was obtained for 26 VOCs from the literature. The QPPR model resulting from stepwise linear regression analysis passed the validation step (R(2) = 0.8; leave-one-out cross-validation Q(2) = 0.75) for CL(int) normalized to the phospholipid (PL) affinity of the VOCs. The QPPR facilitated the calculation of CL(int) (L PL/h/kg bw rat) from the input data on log P(ow), log blood: water PC and ionization potential. The predictions of the QPPR as lower and upper bounds of the 95% mean confidence intervals (LMCI and UMCI, resp.) were then integrated within a human PBPK model. The ratio of the maximum (using LMCI for CL(int)) to minimum (using UMCI for CL(int)) AUC predicted by the QPPR-PBPK model was 1.36 ± 0.4 and ranged from 1.06 (1,1-dichloroethylene) to 2.8 (isoprene). Overall, the integrated QPPR-PBPK modeling method developed in this study is a pragmatic way of characterizing the impact of the lack of knowledge of CL(int) in predicting human pharmacokinetics of VOCs, as well as the impact of prediction uncertainty of CL(int) on human pharmacokinetics of VOCs.
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 | 0,001 | 0,001 |
| 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 ».