Integration of Ontogeny Into a Physiologically Based Pharmacokinetic Model for Monoclonal Antibodies in Premature Infants
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract An understanding of pediatric pharmacokinetics (PK) is essential for first‐in‐pediatric dose selection and clinical trial design. At present, there is no reliable way to scale the PK of monoclonal antibodies and immunoglobulin G drug products from adults to young children or to premature infants—a vulnerable population with a rapidly growing drug development pipeline. In this work, pediatric physiologically based PK models are constructed in PK‐Sim and Mobi to explore the PK of pagibaximab, palivizumab, MEDI8897, and intravenous immunoglobulin in preterm infants. In addition to considering ontogeny in pediatric organ volumes, organ composition, blood flow rates, and hematocrit, advanced ontogeny is applied for 3 key parameters: capillary surface area, hematopoietic cell concentration, and lymph flow rate. The role and importance of each parameter for determining pediatric clearance (CL) and volume of distribution at steady state (V SS ) are quantitatively assessed with a local sensitivity analysis. In addition, the uncertainty around parameters with limited information in pediatrics is addressed (eg, free neonatal Fc receptor concentration). The full ontogeny parameterization yields pediatric PK predictions that are within 1.5‐fold prediction error >90% of the time for preterm infants, with an absolute average fold error of 1.05. This result suggests that many of the key factors related to ontogeny are appropriately addressed. Overall, this study makes a first step toward developing a platform pediatric physiologically based PK model for monoclonal antibodies and immunoglobulin G drug products by solidifying existing parameterizations, integrating new concepts, and drawing attention to unmet needs for physiologic knowledge in children.
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.
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 | 0,003 | 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 | 0,001 |
| 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 découle