Pharmacokinetics and Proposed Dosing of Levetiracetam in Children With Obesity
Notice bibliographique
Résumé
OBJECTIVE: Characterize levetiracetam pharmacokinetics (PK) in children with obesity to inform dosing. METHODS: Children 2 to <21 years old receiving standard of care oral levetiracetam across two opportunistic studies provided blood samples. Levetiracetam plasma PK data were analyzed with a nonlinear mixed-effects modeling approach. Indirect measures for body size and covariates were tested for model inclusion. Individual empirical Bayesian estimates using the final model parameters were compared by obesity status. Monte Carlo simulation using total body weight was performed in children with normal estimated glomerular filtration rate to identify dosing for children with obesity that resulted in comparable exposures to normal weight adults and children after receiving label dosing. RESULTS: The population PK model was developed from 341 plasma concentrations from 169 children. A 1-compartment model best fit the data with fat-free mass as a significant covariate. Compared with children with normal weight, children with obesity had significantly lower body weight-normalized clearance (median [range], 4.77 [1.49-10.44] and 3.71 [0.86-13.55] L/h/70 kg, respectively). After label dosing with the oral formulation in children with obesity 4 to <16 years old, maximum and minimum steady-state concentrations were higher (25% and 41%, respectively [oral solution] and 27% and 19%, respectively [tablet]) compared with children with normal weight. Comparable exposures between children with and without obesity were achieved with weight-tiered dosing regimens of <75 kg or ≥75 kg. CONCLUSIONS: Weight-tiered dosing for levetiracetam oral solution and tablets for children with obesity 4 to <16 years old results in more comparable exposures to children of normal weight.
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 | 0,000 |
| 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 ».