Population pharmacokinetics of vancomycin in paediatric patients with febrile neutropenia and augmented renal clearance: development of new dosing recommendations
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this study was to evaluate the influence of augmented renal clearance (ARC) on vancomycin clearance and provide dosage recommendations for paediatric patients with febrile neutropenia following HSCT. METHODS: A population pharmacokinetic analysis was performed based on a two-compartment model structure using a non-linear mixed-effect modelling approach. Monte Carlo simulations were conducted as a target attainment analysis of AUC between 400 mg·h/L and 650 mg·h/L for MRSA at an MIC of 1 mg/L. RESULTS: A total of 165 paediatric patients and 276 vancomycin serum concentrations were analysed in this study. Age, body weight, estimated glomerular filtration rate (eGFR) and fever (≥38.0°C) were identified as factors that significantly influenced vancomycin clearance. The median eGFR of the population was 143 mL/min/1.73 m2 and 34% of patients showed an eGFR ≥160 mL/min/1.73 m2, which may be classified as ARC. Our simulations showed that current dosing recommendations result in poor target attainment. In particular, children aged 6 months old to 6 years old with ARC require an initial vancomycin dose up to 35%-65% higher than the current dosing guidelines. CONCLUSIONS: ARC is frequently observed in paediatric patients with post-HSCT febrile neutropenia, resulting in a significant increase in vancomycin clearance. We propose a vancomycin dosing strategy for children with febrile neutropenia following HSCT based on eGFR, age, weight and body temperature.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».