<scp>Time‐dependent</scp> clearance can confound <scp>exposure–response</scp> analysis of therapeutic antibodies: A comprehensive review of the current literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Exposure-response (ER) analysis is used to optimize dose and dose regimens during clinical development. Characterization of relationships between drug exposure and efficacy or safety outcomes can be utilized to make dose adjustments that improve patient response. Therapeutic antibodies typically show predictable pharmacokinetics (PK) but can exhibit clearance that decreases over time due to treatment. Moreover, time-dependent changes in clearance are frequently associated with drug response, with larger decreases in clearance and increased exposure seen in patients who respond to treatment. This often confounds traditional ER analysis, as drug response influences exposure rather than the reverse. In this review, we survey published population PK analyses for reported time-dependent drug clearance effects across 158 therapeutic antibodies approved or in regulatory review. We describe the mechanisms by which time-dependent clearance can arise, and evaluate trends in frequency, magnitude, and time scale of changes in clearance with respect to indication, mechanistic interpretation of time-dependence, and PK modeling techniques employed. We discuss the modeling and simulation strategies commonly used to characterize time-dependent clearance, and examples where time-dependent clearance has impeded ER analysis. A case study using population model simulation was explored to interrogate the impact of time-dependent clearance on ER analysis and how it can lead to spurious conclusions. Overall, time-dependent clearance arises frequently among therapeutic antibodies and has spurred erroneous conclusions in ER analysis. Appropriate PK modeling techniques aid in identifying and characterizing temporal shifts in exposure that may impede accurate ER assessment and successful dose optimization.
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.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle