Physiologically‐Based Pharmacokinetic Modeling Characterizes the CYP3A‐Mediated Drug‐Drug Interaction Between Fluconazole and Sildenafil in Infants
Notice bibliographique
Résumé
Physiologically‐based pharmacokinetic (PBPK) modeling can potentially predict pediatric drug‐drug interactions (DDIs) when clinical DDI data are limited. In infants for whom treatment of pulmonary hypertension and prevention or treatment of invasive candidiasis are indicated, sildenafil with fluconazole may be given concurrently. To account for developmental changes in cytochrome P450 (CYP) 3A, we determined and incorporated fluconazole inhibition constants (KI) for CYP3A4, CYP3A5, and CYP3A7 into a PBPK model developed for sildenafil and its active metabolite, N‐desmethylsildenafil. Pharmacokinetic (PK) data in preterm infants receiving sildenafil with and without fluconazole were used for model development and evaluation. The simulated PK parameters were comparable to observed values. Following fluconazole co‐administration, differences in the fold change for simulated steady‐state area under the plasma concentration vs. time curve from 0 to 24 hours (AUCss,0–24) were observed between virtual adults and infants (2.11‐fold vs. 2.82‐fold change). When given in combination with treatment doses of fluconazole (12 mg/kg i.v. daily), reducing the sildenafil dose by ~ 60% resulted in a geometric mean ratio of 1.01 for simulated AUCss,0–24relative to virtual infants receiving sildenafil alone. This study highlights the feasibility of PBPK modeling to predict DDIs in infants and the need to include CYP3A7 parameters.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».