MétaCan
Menu
Retour à la cohorte
Enregistrement W2914065250 · doi:10.1089/cap.2018.0093

A Quantitative Comparison Approach for Methylphenidate Drug Regimens in Attention-Deficit/Hyperactivity Disorder Treatment

2019· article· en· W2914065250 sur OpenAlexaff
Sara Soufsaf, Philippe Robaey, Guillaume Bonnefois, Fahima Nekka, Jun Li

Notice bibliographique

RevueJournal of Child and Adolescent Psychopharmacology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of OttawaUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMethylphenidateAttention deficit hyperactivity disorderDrugAttention deficit disorderAttention deficitPsychologyPsychiatryClinical psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Different methylphenidate (MPH) formulations, immediate release (IR) or extended release (ER), have been developed to treat Attention-Deficit/Hyperactivity Disorder (ADHD). A better use of these formulations, with a proper choice of their timing, dosage, and combination, can help to attain optimal therapeutic effect while maintaining a good quality of life. In this study, we aim at presenting a quantitative comparison approach to help identify drug regimens that provide best therapeutic performances and respect patients' specific needs. METHODS: Using pharmacokinetic (PK) models of various MPH formulations constructed with data in hand and a formerly developed performance metric for MPH regimens, we proposed a statistical integral strategy for regimen comparison, which comprises a sequential, a relative, and a probability-over-threshold method. The first is hierarchical in nature and sequentially compares the regimen performance, the total daily dose, and the administration frequency. The second compares two regimens by quantifying their similarity. The third computes the probability of an incremental regimen performance over a specified threshold. The first two comparison approaches are used for naive patients, whereas the third one is for patients under treatment. RESULTS: PK models of one compartment effectively describe both the IR and ER data. Applied to three frequent MPH clinical situations, the three-methods strategy is able to distinguish the regimens proposed for each. A combined regimen of IR and ER taken at the same time performs better than a single ER dose. CONCLUSION: The proposed statistical strategy is able to differentiate ADHD regimens in various clinically relevant situations, and adapt the use of MPH drugs to a patient's daily routine. Since it does not compare fixed doses and formulations but rather any MPH regimen, our approach generalizes the current context of bioequivalence study and provides an accessible computational tool for objectively selecting MPH regimens.

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 enseignants0,044
Score d'incertitude au seuil0,823

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,033
Tête enseignante GPT0,372
Écart entre enseignants0,339 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Child and Adolescent PsychopharmacologyMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207