MétaCan
Menu
Retour à la cohorte
Enregistrement W2510746161 · doi:10.1111/bcp.13119

Understanding and applying pharmacometric modelling and simulation in clinical practice and research

2016· review· en· W2510746161 sur OpenAlexaff
Joseph F. Standing

Notice bibliographique

RevueBritish Journal of Clinical Pharmacology · 2016
Typereview
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesMedical Research Council
Mots-clésPhysiologically based pharmacokinetic modellingMedicineComputer scienceIntensive care medicineMedical physicsPharmacologyPharmacokinetics

Résumé

récupéré en direct d'OpenAlex

Understanding the dose-concentration-effect relationship is a fundamental component of clinical pharmacology. Interpreting data arising from observations of this relationship requires the use of mathematical models; i.e. pharmacokinetic (PK) models to describe the relationship between dose and concentration and pharmacodynamic (PD) models describing the relationship between concentration and effect. Drug development requires several iterations of pharmacometric model-informed learning and confirming. This includes modelling to understand the dose-response in preclinical studies, deriving a safe dose for first-in-man, and the overall analysis of Phase I/II data to optimise the dose for safety and efficacy in Phase III pivotal trials. However, drug development is not the boundary at which PKPD understanding and application stops. PKPD concepts will be useful to anyone involved in the prescribing and administration of medicines for purposes such as determining off-label dosing in special populations, individualising dosing based on a measured biomarker (personalised medicine) and in determining whether lack of efficacy or unexpected toxicity maybe solved by adjusting the dose rather than the drug. In clinical investigator-led study design, PKPD can be used to ensure the optimal dose is used, and crucially to define the expected effect size, thereby ensuring power calculations are based on sound prior information. In the clinical setting the most likely people to hold sufficient expertise to advise on PKPD matters will be the pharmacists and clinical pharmacologists. This paper reviews fundamental PKPD principles and provides some real-world examples of PKPD use in clinical practice and applied clinical research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,053
score de la tête « metaresearch » (Gemma)0,152
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,279

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0530,152
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,009
Communication savante0,0110,008
Science ouverte0,0040,006
Intégrité de la recherche0,0070,007
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,949
Tête enseignante GPT0,766
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations107
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Clinical PharmacologyMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207