Model‐Informed Pediatric Dose Selection for Dapagliflozin by Incorporating Developmental Changes
Notice bibliographique
Résumé
This analysis reports a quantitative modeling and simulation approach for oral dapagliflozin, a primarily uridine diphosphate-glucuronosyltransferase (UGT)-metabolized human sodium-glucose cotransporter 2 selective inhibitor. A mechanistic dapagliflozin physiologically based pharmacokinetic (PBPK) model was developed using in vitro metabolism and clinical pharmacokinetic (PK) data and verified for context of use (e.g., exposure predictions in pediatric subjects aged 1 month to 18 years). Dapagliflozin exposure is challenging to predict in pediatric populations owing to differences in UGT1A9 ontogeny maturation and paucity of clinical PK data in younger age groups. Based on the exposure-response relationship of dapagliflozin, twofold acceptance criteria were applied between model-predicted and observed drug exposures and PK parameters (area under the curve and maximum drug concentration) in various scenarios, including monotherapy in healthy adults (single/multiple dose), monotherapy in hepatically or renally impaired patients, and drug-drug interactions with UGT1A9 modulators, such as mefenamic acid and rifampin. The PBPK model captured the observed exposure within twofold of the observed monotherapy data in adults and adolescents and in special population. As a guide to determining dosing regimens in pediatric studies, the verified PBPK model, along with UGT enzyme ontogeny maturation understanding, was used for predictions of dapagliflozin monotherapy exposures in pediatric subjects aged 1 month to 18 years that best matched exposure in adult patients with a 10-mg single dose of dapagliflozin.
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 | 0,001 | 0,003 |
| 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 | 0,000 |
| 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 ».