Update and trends on pharmacokinetic studies in patients with impaired renal function: practical insight into application of the FDA and EMA guidelines
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: The incidence of kidney dysfunction increases with age and is highly prevalent among patients with hypertension. Since many therapeutic compounds are primarily eliminated through the kidneys, impaired renal function can have negative consequences on drug disposition, efficacy and safety. Therefore, regulatory agencies such as the Food and Drug Administration (FDA) and European Medicines Agency (EMA) have issued detailed guidelines for new drug applications to determine posology requirements for patients with renal impairment. Areas covered: The current review highlights and contrasts agency requirements for pharmacokinetic renal impairment clinical studies. While many of the guidelines are similar among the two agencies, glomerular filtration rate (GFR) determination and reporting differ. Design considerations for a reduced, full or dialysis renal impairment study, as well as modifications to the FDA's draft guidance are discussed. Furthermore, scenarios where pharmacokinetic modelling analysis can benefit a drug development program are also reviewed. Moreover, practical solutions for patient recruitment challenges are addressed. Expert commentary: We summarize how 'one size does not fit all' for GFR assessment, and recommend when to use certain modalities. Finally, we highlight the need for the pharmaceutical industry to engage therapeutic experts to assist in protocol development for renal impairment studies, as these experts understand the nuances of this special population and recommended guidelines.
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.
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) | 0,003 | 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 | 0,000 |
| 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 découle