Prediction of lisinopril pediatric dose from the reference adult dose by employing a physiologically based pharmacokinetic model
Notice bibliographique
Résumé
BACKGROUND: This study aimed to assess the pediatric lisinopril doses using an adult physiological based pharmacokinetic (PBPK) model. As the empirical rules of dose calculation cannot calculate gender-specific pediatric doses and ignores the age-related physiological differences. METHODS: A PBPK model of lisinopril for the healthy adult population was developed for oral (fed and fasting) and IV administration using PK-Sim MoBI® and was scaled down to a virtual pediatric population for prediction of lisinopril doses in neonates to infants, infants to toddler, children at pre-school age, children at school age and the adolescents. The pharmacokinetic parameters were predicted for the above groups at decremental doses of 20 mg, 10 mg, 5 mg, 2.5 mg, and 1.5 mg in order to accomplish doses producing the pharmacokinetic parameters, similar (or comparable) to that of the adult population. The above simulated pediatric doses were compared to the doses computed using the conventional four methods, such as Young's rule, Clark's rule, and weight-based and body surface area-based equations and the dose reported in different studies. RESULTS: Though the doses predicted for all subpopulations of children were comparable to those calculated by Young's rule, yet the conventional methods overestimated the pediatric doses when compared to the respective PBPK-predicted doses. The findings of previous real time pharmacokinetic studies in pediatric patients supported the present simulated dose. CONCLUSION: Thus, PBPK seems to have predictability potential for pediatric dose since it takes into consideration the physiological changes related to age and gender.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,001 |
| 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 ».