Real-World Evidence of Factors Affecting Cannabidiol Exposure in Children with Drug-Resistant Developmental and Epileptic Encephalopathies
Notice bibliographique
Résumé
The identification of factors that affect cannabidiol (CBD) systemic exposure may aid in optimizing treatment efficacy and safety in clinical practice. In this study, we aimed to correlate CBD plasma concentrations at a steady state to demographic, clinical, and pharmacological characteristics as well as seizure frequency after the administration of a purified CBD oil solution in a real-world setting of children with drug-resistant developmental and epileptic encephalopathies (DEEs). Patients receiving oral CBD pharmaceutical products at maintenance were enrolled. Venous blood samples were drawn before the CBD morning dose, 12 h apart from the last evening dose (C0 or CBD trough concentration). A linear mixed-effect analysis was implemented to assess the correlation between C0 and clinical, laboratory, pharmacological, and lifestyle factors. Fifteen females and seven males with a median age of 12.8 years (ranging between 4.7 and 17.2) were included. The median CBD dose was 8.8 mg/kg/day (ranging between 2.6 and 22.5), and the CBD C0 median (range) was 48.2 ng/mL (3.5–366.3). The multivariate model showed a 109.6% increase in CBD C0 in patients with concomitant levothyroxine (β = 0.74 ± 0.1649, p < 0.001), 56.8% with food (β = 0.45 ± 0.1550, p < 0.01), and 116.0% after intake of a ketogenic diet (β = 0.77 ± 0.3141, p < 0.05). All patients included were responders without evidence of an association between C0 and response status. In children with DEEs, systemic concentrations of CBD may be significantly increased when co-administered with levothyroxine, food, or a ketogenic diet.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».