MétaCan
Menu
Retour à la cohorte
Enregistrement W2893858554 · doi:10.1002/jcph.1316

Pharmacometric Modeling and Simulation Is Essential to Pediatric Clinical Pharmacology

2018· review· en· W2893858554 sur OpenAlexaff
Michael Neely, David S. Bayard, Amit Desai, Laura Kovanda, Andrea N. Edginton

Notice bibliographique

RevueThe Journal of Clinical Pharmacology · 2018
Typereview
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentNational Institute of General Medical Sciences
Mots-clésClinical pharmacologyMedicineSubspecialtyPharmacologyBroad spectrumSpecialtyDrug developmentIntensive care medicineDrugMedical physicsFamily medicine

Résumé

récupéré en direct d'OpenAlex

Pediatric clinical pharmacology now encompasses a wide range of activities, including drug pharmacokinetic and pharmacodynamic modeling and simulation, also known as pharmacometrics. Pediatric clinical pharmacologists may be physicians but are more likely to be pharmacists or PhD scientists, and pediatric clinical pharmacology today is largely a research specialty rather than a subspecialty for direct patient care. Pharmacometrics, including "top-down" population modeling and "bottom-up" physiologically based pharmacokinetic modeling, has become an indispensable tool for pharmaceutical industry scientists, government regulators, academic researchers, and even a handful of patient-oriented practitioners. This review summarizes the application of pharmacometrics within each of these domains and predicts future trends of further applications across the spectrum of pediatric clinical pharmacology from drug development to patient care.

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)0,006
score de la tête « metaresearch » (Gemma)0,020
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: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,003
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,444
Tête enseignante GPT0,648
Écart entre enseignants0,203 · 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

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Clinical PharmacologyMême sujetPharmaceutical studies and practicesTravaux en français237 207