Aminoglycosides in the Intensive Care Unit: What Is New in Population PK Modeling?
Notice bibliographique
Résumé
BACKGROUND: Although aminoglycosides are often used as treatment for Gram-negative infections, optimal dosing regimens remain unclear, especially in ICU patients. This is due to a large between- and within-subject variability in the aminoglycoside pharmacokinetics in this population. OBJECTIVE: This review provides comprehensive data on the pharmacokinetics of aminoglycosides in patients hospitalized in the ICU by summarizing all published PopPK models in ICU patients for amikacin, gentamicin, and tobramycin. The objective was to determine the presence of a consensus on the structural model used, significant covariates included, and therapeutic targets considered during dosing regimen simulations. METHOD: A literature search was conducted in the Medline/PubMed database, using the terms: 'amikacin', 'gentamicin', 'tobramycin', 'pharmacokinetic(s)', 'nonlinear mixed effect', 'population', 'intensive care', and 'critically ill'. RESULTS: Nineteen articles were retained where amikacin, gentamicin, and tobramycin pharmacokinetics were described in six, 11, and five models, respectively. A two-compartment model was used to describe amikacin and tobramycin pharmacokinetics, whereas a one-compartment model majorly described gentamicin pharmacokinetics. The most recurrent significant covariates were renal clearance and bodyweight. Across all aminoglycosides, mean interindividual variability in clearance and volume of distribution were 41.6% and 22.0%, respectively. A common consensus for an optimal dosing regimen for each aminoglycoside was not reached. CONCLUSIONS: This review showed models developed for amikacin, from 2015 until now, and for gentamicin and tobramycin from the past decades. Despite the growing challenges of external evaluation, the latter should be more considered during model development. Further research including new covariates, additional simulated dosing regimens, and external validation should be considered to better understand aminoglycoside pharmacokinetics in ICU patients.
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 | 0,017 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,005 | 0,010 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».