Food Effects on Oral Drug Absorption: Application of Physiologically-Based Pharmacokinetic Modeling as a Predictive Tool
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
The bioavailability of an orally administered small molecule is often dictated by drug-specific physicochemical characteristics and is influenced by many biological processes. For example, in fed or fasted conditions, the transit time within the gastrointestinal tract can vary, confounding the ability to predict the oral absorption. As such, the effects of food on the pharmacokinetics of compounds in the various biopharmaceutics classification system (BCS) classes need to be assessed. The consumption of food leads to physiological changes, including fluctuations in the gastric and intestinal pH, a delay in gastric emptying, an increased bile secretion, and an increased splanchnic and hepatic blood flow. Despite the significant impact of a drug's absorption and dissolution, food effects have not been fully studied and are often overlooked. Physiologically-based pharmacokinetic (PBPK) models can be used to mechanistically simulate a compound's pharmacokinetics under fed or fasted conditions, while integrating drug properties such as solubility and permeability. This review discusses the PBPK models published in the literature predicting the food effects, the models' strengths and shortcomings, as well as future steps to mitigate the current knowledge gap. We observed gaps in knowledge which limits the ability of PBPK models to predict the negative food effects and food effects in the pediatric population. Overall, the further development of PBPK models to predict food effects will provide a mechanistic basis to understand a drug's behavior in fed and fasted conditions, and will help enable the drug development process.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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