Population Pharmacokinetics of Phenobarbital in Neonates and Infants on Extracorporeal Membrane Oxygenation and the Influence of Concomitant Renal Replacement Therapy
Notice bibliographique
Résumé
The objective of this study was to describe the pharmacokinetics (PK) of intravenous phenobarbital in neonates and infants on extracorporeal membrane oxygenation (ECMO) and to provide dosing recommendations in this population. We performed a retrospective single-center PK study of phenobarbital in neonates and infants on ECMO between January 1, 2014, and December 31, 2018. We developed a population PK model using nonlinear mixed-effects modeling, performed simulations using the final PK parameters, and determined optimal dosing based on attainment of peak and trough concentrations between 20 and 40 mg/L. We included 35 subjects with a median (range) age and weight of 14 days (1-154 days) and 3.4 kg (1.6-8.1 kg), respectively. A total of 194 samples were included in the analysis. Five children (14%) contributing 30 samples (16%) were supported by continuous venovenous hemodiafiltration (CVVHDF). A 1-compartment model best described the data. Typical clearance and volume of distribution for a 3.4-kg infant were 0.038 L/h and 3.83 L, respectively. Clearance increased with age and CVVHDF. Although on ECMO, phenobarbital clearance in children on CVVHDF was 6-fold higher than clearance in children without CVVHDF. In typical subjects, a loading dose of 30 mg/kg/dose followed by maintenance doses of 6-7 mg/kg/day administered as divided doses every 12 hours reached goal concentrations. Age did not impact dosing recommendations. However, higher doses were needed in children on CVVHDF. We strongly recommend therapeutic drug monitoring in children on renal replacement therapy (excluding slow continuous ultrafiltration) while on ECMO.
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 | 0,003 | 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 | 0,001 |
| 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 ».