Methadone dosing strategies in preterm neonates can be simplified
Notice bibliographique
Résumé
AIMS: A dramatic increase in newborn infants with neonatal abstinence syndrome has been observed and these neonates are frequently treated with complex methadone dosing schemes to control their withdrawal symptoms. Despite its abundant use, hardly any data on the pharmacokinetics (PK) of methadone is available in preterm neonates. Therefore we investigated developmental PK of methadone and evaluated current dosing strategies and possible simplification in this vulnerable population. METHODS: A single-centre open-label prospective study was performed to collect PK data after a single oral dose of methadone in preterm neonates. A population PK model was built to characterize developmental PK of (R)- and (S)-methadone. Model-based simulations were performed to identify a simplified dosing strategy to reach and maintain target methadone exposure. RESULTS: A total of 121 methadone concentrations were collected from 31 preterm neonates. A one-compartment model with first order absorption and elimination kinetics best described PK data for (R)- and (S)-methadone. Clearance increases with advancing gestational age and differs between R- and S-enantiomer, being slightly higher for the former (0.244 vs 0.167 L/h). Preterm neonates reached target exposure after 48 hours with currently used dosing schedules. Output from simulations revealed that target exposures can be achieved with a simplified dosing strategy during the first 4 days of treatment. CONCLUSION: Methadone clearance in preterm neonates increases with advancing gestational age and its disposition is influenced by its chirality. Simulations that account for developmental PK changes indicate a shorter methadone dosing strategy can maintain target exposure to control withdrawal symptoms.
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 | 0,002 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».