A Physiological Approach to Pharmacokinetics in Chronic Kidney Disease
Notice bibliographique
Résumé
The conventional approach to approximating the pharmacokinetics of drugs in patients with chronic kidney disease (CKD) only accounts for changes in the estimated glomerular filtration rate. However, CKD is a systemic and multifaceted disease that alters many body systems. Therefore, the objective of this exercise was to develop and evaluate a whole-body mechanistic approach to predicting pharmacokinetics in patients with CKD. Physiologically based pharmacokinetic models were developed in PK-Sim v8.0 (www.open-systems-pharmacology.org) to mechanistically represent the disposition of 7 compounds in healthy human adults. The 7 compounds selected were eliminated by glomerular filtration and active tubular secretion by the organic cation transport system to varying degrees. After a literature search, the healthy adult models were adapted to patients with CKD by numerically accounting for changes in glomerular filtration rate, kidney volume, renal perfusion, hematocrit, plasma protein concentrations, and gastrointestinal transit. Literature-informed interindividual variability was applied to the physiological parameters to facilitate a population approach. Model performance in CKD was evaluated against pharmacokinetic data from 8 clinical trials in the literature. Overall, integration of the CKD parameterization enabled exposure predictions that were within 1.5-fold error across all compounds and patients with varying stages of renal impairment. Notable improvement was observed over the conventional approach to scaling exposure, which failed in all but 1 scenario in patients with advanced CKD. Further research is required to qualify its use for first-in-CKD dose selection and clinical trial planning for a wider selection of renally eliminated compounds, including those subject to anion transport.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».