Routine clinical care data for population pharmacokinetic modeling: the case for Fanhdi/Alphanate in hemophilia A patients
Notice bibliographique
Résumé
Fanhdi/Alphanate is a plasma derived factor VIII concentrate used for treating hemophilia A, for which there has not been any dedicated model describing its pharmacokinetics (PK). A population PK model was developed using data extracted from the Web-Accessible Population Pharmacokinetic Service-Hemophilia (WAPPS-Hemo) project. WAPPS-Hemo provided individual PK profiles for hemophilia patients using sparse observations as provided in routine clinical care by hemophilia centers. Plasma factor activity measurements and covariate data from hemophilia A patients on Fanhdi/Alphanate were extracted from the WAPPS-Hemo database. A population PK model was developed using NONMEM and evaluated for suitability for Bayesian forecasting using prediction-corrected visual predictive check (pcVPC), cross validation, limited sampling analysis and external evaluation against a population PK model developed on rich sampling data. Plasma factor activity measurements from 92 patients from 12 centers were used to derive the model. The PK was best described by a 2-compartment model including between subject variability on clearance and central volume, fat free mass as a covariate on clearance, central and peripheral volumes, and age as covariate on clearance. Evaluations showed that the developed population PK model could predict the PK parameters of new individuals based on limited sampling analysis and cross and external evaluations with acceptable precision and bias. This study shows the feasibility of using real-world data for the development of a population PK model. Evaluation and comparison of the model for Bayesian forecasting resulted in similar results as a model developed using rich sampling data.
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 | 0,001 | 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 | 0,000 |
| 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) | 0,000 | 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 ».