Model Re-Estimation: An Alternative for Poor Predictive Performance during External Evaluations? Example of Gentamicin in Critically Ill Patients
Notice bibliographique
Résumé
Background: An external evaluation is crucial before clinical applications; however, only a few gentamicin population pharmacokinetic (PopPK) models for critically ill patients included it in the model development. In this study, we aimed to evaluate gentamicin PopPK models developed for critically ill patients. Methods: The evaluated models were selected following a literature review on aminoglycoside PopPK models for critically ill patients. The data of patients were retrospectively collected from two Quebec hospitals, the external evaluation and model re-estimation were performed with NONMEM® (v7.5) and the population bias and imprecisions were estimated. Dosing regimens were simulated using the best performing model. Results: From the datasets of 39 and 48 patients from the two Quebec hospitals, none of the evaluated models presented acceptable values for bias and imprecision. Following model re-estimations, all models showed an acceptable predictive performance. An a priori dosing nomogram was developed with the best performing re-estimated model and was consistent based on recommended dosing regimens. Conclusion: Due to the poor predictive performance during the external evaluations, the latter must be prioritized during model development. Model re-estimation may be an alternative to developing a new model, especially when most known models display similar covariates.
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 ».