A Free Open-Source Bayesian Vancomycin Dosing App for Adults: Design and Evaluation Study
Notice bibliographique
Résumé
BACKGROUND: It has been suggested that Bayesian dosing apps can assist in the therapeutic drug monitoring of patients receiving vancomycin. Unfortunately, Bayesian dosing tools are often unaffordable to resource-limited hospitals. Our aim was to improve vancomycin dosing in adults. We created a free and open-source dose adjustment app, VancoCalc, which uses Bayesian inference to aid clinicians in dosing and monitoring of vancomycin. OBJECTIVE: The aim of this paper is to describe the design, development, usability, and evaluation of a free open-source Bayesian vancomycin dosing app, VancoCalc. METHODS: The app build and model fitting process were described. Previously published pharmacokinetic models were used as priors. The ability of the app to predict vancomycin concentrations was performed using a small data set comprising of 52 patients, aged 18 years and over, who received at least 1 dose of intravenous vancomycin and had at least 2 vancomycin concentrations drawn between July 2018 and January 2021 at Lakeridge Health Corporation Ontario, Canada. With these estimated and actual concentrations, median prediction error (bias), median absolute error (accuracy), and root mean square error (precision) were calculated to evaluate the accuracy of the Bayesian estimated pharmacokinetic parameters. RESULTS: A total of 52 unique patients' initial vancomycin concentrations were used to predict subsequent concentration; 104 total vancomycin concentrations were assessed. The median prediction error was -0.600 ug/mL (IQR -3.06, 2.95), the median absolute error was 3.05 ug/mL (IQR 1.44, 4.50), and the root mean square error was 5.34. CONCLUSIONS: We described a free, open-source Bayesian vancomycin dosing calculator based on revisions of currently available calculators. Based on this small retrospective preliminary sample of patients, the app offers reasonable accuracy and bias, which may be used in everyday practice. By offering this free, open-source app, further prospective validation could be implemented in the near future.
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 | 0,020 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».