Population pharmacokinetic modeling of factor concentrates in hemophilia: an overview and evaluation of best practice
Notice bibliographique
Résumé
The accuracy of pharmacokinetic (PK)-guided dosing depends on the clinical and laboratory data used to construct a population PK model, as well as the patient's individual PK profile. This review provides a detailed overview of data used for published population PK models for factor VIII (FVIII) and factor IX (FIX) concentrates, to support physicians in their choices of which model best suits each patient. Furthermore, to enhance detailed data collection and documentation, we do suggestions for best practice. A literature search was performed; publications describing prophylactic population PK models for FVIII and FIX concentrates based on original patient data and constructed using nonlinear mixed-effect modeling were included. The following data were collected: detailed demographics, type of product, assessed and included covariates, laboratory specifications, and validation of models. Included models were scored according to our recommendations for best practice, specifically scoring the quality of data documentation as reported. Respectively, 20 models for FVIII and 7 for FIX concentrates were retrieved. Although most models (22/27) included pediatric patients, only 4 reported detailed demographics. The wide range of body weights suggested that overweight and obese adults were represented. Twenty-six models reported the assay applied to measure factor levels, whereas only 16 models named reagents used. Eight models were internally validated using a data subset. This overview presents detailed information on clinical and laboratory data used for published population PK models. We provide recommendations on data collection and documentation to increase the reliability of PK-guided prophylactic dosing of factor concentrates in hemophilia A and B.
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 | 0,000 |
| 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 ».