MétaCan
Menu
Retour à la cohorte
Enregistrement W2607206939 · doi:10.1097/ftd.0000000000000403

A Retrospective Study on Mycophenolic Acid Drug Interactions: Effect of Prednisone, Sirolimus, and Tacrolimus With MPA

2017· article· en· W2607206939 sur OpenAlexaff
Ana Catalina Álvarez-Elías, Elisa C. Yoo, Ekaterina Kirilova Todorova, Ram N. Singh, Guido Filler

Notice bibliographique

RevueTherapeutic Drug Monitoring · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSirolimusTacrolimusTherapeutic drug monitoringMedicineMycophenolic acidRenal functionCalcineurinTransplantationPharmacologyUrologyTrough levelInternal medicineDrug

Résumé

récupéré en direct d'OpenAlex

Mycophenolic acid (MPA), the active compound of mycophenolate mofetil (MMF), is widely used as an antirejection drug after renal transplantation. There is growing evidence supporting the notion that there is substantial variability in the intra- and interpatient exposure to MPA. Drug interactions involving MPA with tacrolimus, steroids, and sirolimus have been understudied. The objective of this study was to determine the relationship between MPA, steroids, tacrolimus, and sirolimus. MPA trough concentrations from 37 pediatric renal transplant recipients (mean age 7.6 years at transplant) followed for a median follow-up of 7.8 years were analyzed retrospectively and 2131 dose-normalized MPA trough concentrations were evaluated against all known covariates including all concomitant immunosuppressant drug doses and exposure, age, albumin, hematocrit, and estimated glomerular filtration rate (eGFR). Age, hematocrit, and estimated glomerular filtration rate affected the dose-normalized MPA trough concentrations. The authors used appropriate linear regression univariate models and created 5 different multivariate models to examine individual drug-drug interactions (DDIs). Although the authors' findings support the notion that there is a DDI between MMF and both sirolimus and steroids, the sample size was small, and these findings should be confirmed in future studies. The authors found no DDIs between tacrolimus and MMF, the prodrug of MPA. These findings are important because there is a tendency to under-dose MMF early and to overdose late after transplantation. The DDI between sirolimus and MMF has not been described. Although therapeutic drug monitoring of MMF therapy is often not performed, the data presented here indicate a necessity for therapeutic drug monitoring. This is especially true when converting from tacrolimus to sirolimus, as a way to avoid MPA underexposure and organ rejection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,337
Écart entre enseignants0,314 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTherapeutic Drug MonitoringMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207