MétaCan
Menu
Retour à la cohorte
Enregistrement W4302425279 · doi:10.1016/j.biopha.2022.113777

Critical assessment of the revised guidelines for vancomycin therapeutic drug monitoring

2022· article· en· W4302425279 sur OpenAlexafffund
Abdullah Aljutayli, Daniel J. G. Thirion, Fahima Nekka

Notice bibliographique

RevueBiomedicine & Pharmacotherapy · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAntimicrobial Resistance in Staphylococcus
Établissements canadiensMcGill UniversityMcGill University Health CentreUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaQassim UniversityPfizer
Mots-clésTherapeutic drug monitoringVancomycinMedicineDrugIntensive care medicinePharmacologyStaphylococcus aureusBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: . Yet, evidence suggesting good AUC-trough correlation has been overlooked, and the optimality of peak/trough samples has been doubted. The guidelines recommend Bayesian programs implement richly-sampled PopPK priors despite their scarcity. Therefore, whether complex Bayesian and sample-demanding first-order equations can bring significant advantages to the practice over simple trough-only monitoring is worth weighing. OBJECTIVES: The primary aim is to compare the predictive performance of the AUC monitoring methods. Then, we investigate the impact of not adhering to trough sampling on the Bayesian-based predictions. Moreover, we report the nature of PopPK priors used in Bayesian programs to assess the applicability of the guideline recommendations. METHODS: We calculated the predictive performance of the monitoring methods using a standard PopPK modeling and simulation approach. We thoroughly explored the prior PK models implemented in Bayesian programs. RESULTS: Predictive performances of the monitoring methods were comparable at steady-state relative to the number of samples. Contrary to the recommendation, Bayesian trough monitoring did not result in better predictive performances compared to using random levels. Very few programs implemented richly-sampled priors. CONCLUSION: All the monitoring methods can be, relatively, reliable at steady-state, if properly implemented. Although only Bayesian-based monitoring can be used pre-steady-state, its predictive performance can be modest. Trough-only monitoring is the simplest approach. Constraints regarding trough sampling times could be relaxed. The scarcity of richly-sampled Bayesian priors questions the applicability of the revised guidelines recommendation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,242
score de la tête « metaresearch » (Gemma)0,577
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,242
Score d'incertitude au seuil0,935

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2420,577
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0050,008
Bibliométrie0,0080,006
Études des sciences et des technologies0,0030,006
Communication savante0,0110,006
Science ouverte0,0150,006
Intégrité de la recherche0,0290,027
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,091
Tête enseignante GPT0,470
Écart entre enseignants0,379 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedicine & PharmacotherapyMême sujetAntimicrobial Resistance in StaphylococcusTravaux en français237 207