Pharmacokinetic and Pharmacodynamic Evaluation of Intravenous Levetiracetam in Children With Epilepsy
Notice bibliographique
Résumé
This study aimed to evaluate the safety and tolerability of intravenous (IV) levetiracetam (LEV) as a monotherapy in children aged 1 month-16 years and to explore the pharmacokinetics (PK) of IV LEV and the time to seizure after IV then oral administration of LEV in pediatric children with epilepsy. Children diagnosed with acute unprovoked seizures requiring in-hospital IV LEV administration were included. After administration, the clinical seizure outcomes, side effects, and the Korean-Child Behavior Checklist were monitored and the PK and repeated time to seizure were analyzed via modeling using NONMEM software. Overall, 37 children with epilepsy were enrolled and underwent a PK analysis (median age, 4.6 years; median weight, 18.0 kg). Nine children (24.3%) had seizure recurrence during the follow-up period (median, 3.8 months) and 5 children (13.5%) experienced LEV-associated adverse events such as irritability (n = 2; 5.4%) and somnolence (n = 3; 8.1%). The plasma LEV concentrations after IV LEV were best described by a one-compartment linear PK model. Only body weight was associated with both the clearance and volume of distribution of LEV. The Weibull distribution model described the time to seizure recurrence well; no statistically significant predictor for the time to seizure was identified. Therefore, IV LEV was a well-tolerated and effective alternative in children with acute unprovoked seizures, and models for the PK and time to repeated seizure recurrence after LEV were successfully developed. In particular, the current use of a weight-based IV LEV dosing regimen in pediatric children is practical.
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 | 0,007 | 0,000 |
| 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 ».