Derivation of a Pharmacokinetic Model to Include a Plasma-Derived, von Willebrand Factor-Containing Factor VIII (Koate <sup>®</sup> -DVI) Concentrate and its Low-Dose Use
Notice bibliographique
Résumé
Background Population pharmacokinetics (popPK) has been reliably leveraged to generate individual PK in hemophilia patients. Specific popPK models are suited to predict individual PK under a variety of scenarios that may not be captured by clinical trials, allowing for individualized prophylactic treatment. The Web-Accessible Population Pharmacokinetic Service-Hemophilia (WAPPS-Hemo) project generates individually predicted pharmacokinetic profiles relying on concentrate-specific popPK models used for Bayesian forecasting. Objective Specification of a popPK model for the plasma-derived factor VIII (FVIII) concentrate Koate-DVI and its suitability for pharmacokinetic estimation in low-dose scenarios. Methods A popPK model was developed for Koate-DVI WAPPS-Hemo PK data in combination with the existing WAPPS-Hemo Fanhdi/Alphanate model derivation dataset using nonlinear mixed effects modelling, and was validated via cross-validation and prediction-corrected Visual Predictive Checks (pcVPC). Bootstrap and PK outcomes between the Fanhdi/Alphanate and the Fanhdi/Alphanate/Koate models were compared, and the relative error distributions from a limited sampling analysis (LSA) under the latter model for low and normal doses (10 vs 50 IU/kg) and inclusion/exclusion of pre-dose measurements. Results A Fanhdi/Alphanate/Koate model was derived (126 patients, ages 1–71 years) after deeming a Koate-brand covariate not clinically significant, resulting in similar parameter estimates than the Fanhdi/Alphanate model with satisfactory goodness of fit, cross-validation and pcVPC results. Low-dose predictions resulted in a higher accuracy and slightly lower precision of half-life ([Formula: see text]-phase) and time to 2% trough (TAT2%) estimates than normal dose (median absolute bias for half-life: 0.12 vs 0.5%; median interquartile range, IQR: 11.79% vs 9.95%). Precision improved under pre-dose designs by 2 to 3% and remained similar between 5- and 2-sample designs (IQR reduction<1.8%). Conclusions The Fanhdi/Alphanate/Koate model is appropriate for Bayesian forecasting in the WAPPS-Hemo platform, providing a comparable prediction capability for low and normal dosing regimens (10 vs 50 IU/Kg).
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».