A model of competing saturable kinetic processes with application to thepharmacokinetics of the anticancer drug paclitaxel
Notice bibliographique
Résumé
A saturable multi-compartment pharmacokinetic model for the anti-cancer drug paclitaxel is proposed based on a meta-analysis of pharmacokinetic data published over the last two decades. We present and classify the results of time series for the drug concentration in the body to uncover the underlying power laws. Two dominant fractional power law exponents were found to characterize the tails of paclitaxel concentration-time curves. Short infusion times led to a power exponent of -1.57 ± 0.14, while long infusion times resulted in tails with roughly twice the exponent. Curves following intermediate infusion times were characterized by two power laws. An initial segment with the larger slope was followed by a long-time tail characterized by the smaller exponent. The area under the curve and the maximum concentration exhibited a power law dependence on dose, both with compatible fractional power exponents. Computer simulations using the proposed model revealed that a two-compartment model with both saturable distribution and elimination can reproduce both the single and crossover power laws. Also, the nonlinear dose-dependence is correlated with the empirical power law tails. The longer the infusion time the better the drug delivery to the tumor compartment is a clinical recommendation we propose.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».