Model‐based meta‐analysis of ethnic differences and their variabilities in clearance of oral drugs classified by clearance mechanism
Notice bibliographique
Résumé
In this study, the ethnic ratios (ERs) of oral clearance between Japanese and Western populations were subjected to model-based meta-analysis (MBMA) for 81 drugs evaluated in 673 clinical studies. The drugs were classified into eight groups according to the clearance mechanism, and the ER for each group was inferred together with interindividual variability (IIV), interstudy variability (ISV), and inter-drug variability within a group (IDV) using the Markov chain Monte Carlo (MCMC) method. The ER, IIV, ISV, and IDV were dependent on the clearance mechanism, and, except for particular groups such as drugs metabolized by polymorphic enzymes or their clearance mechanism is not confirmative, the ethnic difference was found to be generally small. The IIV was well-matched across ethnicities, and the ISV was approximately half of the IIV as the coefficient of variation. To adequately assess ethnic differences in oral clearance without false detections, phase I studies should be designed with full consideration of the mechanism of clearance. This study suggests that the methodology of classifying drugs based on the mechanism that causes ethnic differences and performing MBMA with statistical techniques such as MCMC analysis is helpful for a rational understanding of ethnic differences and for strategic drug development.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,003 |
| Bibliométrie | 0,008 | 0,015 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».