MétaCan
Menu
Retour à la cohorte
Enregistrement W3203265145 · doi:10.1007/s40262-021-01072-4

Development and Evaluation of a Virtual Population of Children with Obesity for Physiologically Based Pharmacokinetic Modeling

2021· article· en· W3203265145 sur OpenAlexaff
Jacqueline G. Gerhart, Fernando Carreño, Andrea N. Edginton, Jaydeep Sinha, Eliana M. Perrin, Karan R. Kumar, Aruna Rikhi, Christoph P. Hornik, Vincent Dormer Harris, Samit Ganguly, Michael Cohen‐Wolkowiez, Daniel González, Daniel K. Benjamin, Kanecia O. Zimmerman, Phyllis Kennel, Rose Beci, Chi D. Hornik, Gregory L. Kearns, Matthew M. Laughon, Ian M. Paul, Kelly C. Wade, Eunice Kennedy, Perdita Taylor‐Zapata, June Sung Lee, Ravinder Anand, Gaurav Sharma, Gina Simone, Kim Kaneshige, Lawrence Taylor, Ann Thomas Green, Robert H. Lurie

Notice bibliographique

RevueClinical Pharmacokinetics · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAntibiotics Pharmacokinetics and Efficacy
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Institute of Child Health and Human DevelopmentEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentUniversity of North Carolina at Chapel HillDuke Clinical Research InstituteNational Institute of General Medical SciencesPenn State College of MedicineWichita Medical Research and Education FoundationTexas Christian UniversityAmerican Foundation for Pharmaceutical EducationPennsylvania State UniversityUniversity of LouisvilleHealth Science Center, University of North TexasUniversity of PennsylvaniaChildren's Hospital of Philadelphia
Mots-clésPharmacokineticsPopulationDosingClindamycinMedicineObesityVolume of distributionTrimethoprimPharmacologySulfamethoxazoleInternal medicineAntibioticsChemistryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVE: While one in five children in the USA are now obese, and more than three-quarters receive at least one drug during childhood, there is limited dosing guidance for this vulnerable patient population. Physiologically based pharmacokinetic modeling can bridge the gap in the understanding of how pharmacokinetics, including drug distribution and clearance, changes with obesity by incorporating known obesity-related physiological changes in children. The objective of this study was to develop a virtual population of children with obesity to enable physiologically based pharmacokinetic modeling, then use the novel virtual population in conjunction with previously developed models of clindamycin and trimethoprim/sulfamethoxazole to better understand dosing of these drugs in children with obesity. METHODS: To enable physiologically based pharmacokinetic modeling, a virtual population of children with obesity was developed using national survey, electronic health record, and clinical trial data, as well as data extracted from the literature. The virtual population accounts for key obesity-related changes in physiology relevant to pharmacokinetics, including increased body size, body composition, organ size and blood flow, plasma protein concentrations, and glomerular filtration rate. The virtual population was then used to predict the pharmacokinetics of clindamycin and trimethoprim/sulfamethoxazole in children with obesity using previously developed physiologically based pharmacokinetic models. RESULTS: Model simulations predicted observed concentrations well, with an overall average fold error of 1.09, 1.24, and 1.53 for clindamycin, trimethoprim, and sulfamethoxazole, respectively. Relative to children without obesity, children with obesity experienced decreased clindamycin and trimethoprim/sulfamethoxazole weight-normalized clearance and volume of distribution, and higher absolute doses under recommended pediatric weight-based dosing regimens. CONCLUSIONS: Model simulations support current recommended weight-based dosing in children with obesity for clindamycin and trimethoprim/sulfamethoxazole, as they met target exposure despite these changes in clearance and volume of distribution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,477
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,420
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical PharmacokineticsMême sujetAntibiotics Pharmacokinetics and EfficacyTravaux en français237 207