Towards safer risperidone prescribing in Alzheimer's disease
Notice bibliographique
Résumé
BACKGROUND: In the treatment of psychosis, agitation and aggression in Alzheimer's disease, guidelines emphasise the need to 'use the lowest possible dose' of antipsychotic drugs, but provide no information on optimal dosing. AIMS: This analysis investigated the pharmacokinetic profiles of risperidone and 9-hydroxy (OH)-risperidone, and how these related to treatment-emergent extrapyramidal side-effects (EPS), using data from The Clinical Antipsychotic Trials of Intervention Effectiveness in Alzheimer's Disease study (Clinicaltrials.gov identifier: NCT00015548). METHOD: A statistical model, which described the concentration-time course of risperidone and 9-OH-risperidone, was used to predict peak, trough and average concentrations of risperidone, 9-OH-risperidone and 'active moiety' (combined concentrations) (n = 108 participants). Logistic regression was used to investigate the associations of pharmacokinetic biomarkers with EPS. Model-based predictions were used to simulate the dose adjustments needed to avoid EPS. RESULTS: The model showed an age-related reduction in risperidone clearance (P < 0.0001), reduced renal elimination of 9-OH-risperidone (elimination half-life 27 h), and slower active moiety clearance in 22% of patients, (concentration-to-dose ratio: 20.2 (s.d. = 7.2) v. 7.6 (s.d. = 4.9) ng/mL per mg/day, Mann-Whitney U-test, P < 0.0001). Higher trough 9-OH-risperidone and active moiety concentrations (P < 0.0001) and lower Mini-Mental State Examination (MMSE) scores (P < 0.0001), were associated with EPS. Model-based predictions suggest the optimum dose ranged from 0.25 mg/day (85 years, MMSE of 5), to 1 mg/day (75 years, MMSE of 15), with alternate day dosing required for those with slower drug clearance. CONCLUSIONS: Our findings argue for age- and MMSE-related dose adjustments and suggest that a single measure of the concentration-to-dose ratio could be used to identify those with slower drug clearance.
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 | 0,008 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».