Effects of renal impairment on the pharmacokinetics of orally administered deferiprone
Notice bibliographique
Résumé
AIMS: In light of the growing recognition of renal disease in thalassemia, it is important to understand the impact of renal impairment on the pharmacokinetics of iron chelators. This study evaluated the pharmacokinetics and safety of the iron chelator deferiprone (DFP) in subjects with renal impairment in comparison with healthy volunteers (HVs). METHODS: Thirty-two subjects were categorized into four groups based on degree of renal impairment: none, mild, moderate or severe, as determined by estimated glomerular filtration rate (eGFR). All subjects received a single oral dose of 33 mg kg(-1) DFP, provided serum and urine samples for pharmacokinetic assessment over 24 h and were monitored for safety. RESULTS: Renal clearance of DFP decreased as renal impairment increased. However, based on Cmax , AUC(0,t) and AUC(0,∞), there were no significant group differences in systemic exposure, because less than 4% of the drug was excreted unchanged in the urine. DFP is extensively metabolized to a renally excreted, pharmacologically inactive metabolite, deferiprone 3-O-glucuronide (DFP-G), which exhibited higher Cmax , AUC(0,t), AUC(0,∞) and longer tmax and t1/2 in the renally impaired groups compared with HVs. The Cmax and AUCs of DFP-G increased as eGFR decreased. Overall, 75%-95% of the dose was retrieved in urine, either as DFP or DFP-G, regardless of severity of renal impairment. With respect to safety, DFP was well tolerated. CONCLUSIONS: These data suggest that no adjustment of the DFP dosage regimen in patients with renal impairment is necessary, as there were no significant changes in the systemic exposure to the drug.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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 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 ».