Are Tacrolimus Pharmacokinetics Affected by Nephrotic Stage?
Notice bibliographique
Résumé
BACKGROUND: Although tacrolimus therapy is not the first-line therapy for childhood nephrotic syndrome, it is often used instead of cyclosporine to ameliorate the side effects. The pharmacokinetics (PK) of tacrolimus (Tac) can be influenced by many conditions, and it has a high plasma protein binding. The Tac PK during relapse and remission of childhood nephrotic syndrome has not been well described. METHODS: We performed 14 PK profiles (with measurements before intake and 0.5, 1, 2, 4, and 12 hours postintake) in 7 children with steroid-resistant nephrotic syndrome at week 1 (all nephrotic) and week 16 after Tac therapy (all in remission). These data were compared with historical PK data of 161 PK profiles in 87 pediatric renal transplant recipients with measurements before intake and 0.5, 1, 1.5, 2, 3, 4, 6, 8, and 12 hours postintake. Tac levels were measured using the Abbott Tacro II assay. We used descriptive statistics to generate percentiles and compared these with those of patients with steroid-resistant nephrotic syndrome. RESULTS: The median age of patients with nephrotic syndrome was 3.2 years (range 2.5, 17.2), male gender 71.4%, significantly younger than the control group. Median Tac dose was similar during both PK profiles (0.11 mg·kg·d at week 1 versus 0.13 mg·kg·d at week 16, P = 0.81). There were no statistically significant differences in median dose-normalized area-under-the-time-concentration profiles, peak concentration, time to reach peak concentration, and Tac trough levels. Individual dose-normalized Tac levels for each time point during the PK profile were also not different (P = 0.81). CONCLUSIONS: We conclude that Tac PK profiles are unaltered during relapse of nephrotic syndrome.
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 ».