MétaCan
Menu
Retour à la cohorte
Enregistrement W4391151740 · doi:10.1093/jpp/rgae004

Exploring various measures of the area under the curve for the assessment of dose-proportionality and estimation of bioavailability

2024· article· en· W4391151740 sur OpenAlexaff
Dion R. Brocks, Elisabeth A. Minthorn, Brian Davies

Notice bibliographique

RevueJournal of Pharmacy and Pharmacology · 2024
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBioavailabilityProportionality (law)PharmacokineticsArea under the curveMedicineArea under curvePharmacologyBioequivalenceStatisticsMathematicsLaw

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: In pharmacokinetics, the area under the concentration versus time curve (AUC) extrapolated to infinity (AUC0-∞) is the preferred metric but it is not always possible to have a reliable estimate of the terminal phase half-life. Here we sought to explore the accuracy of three different area measures to accurately identify dose proportionality and bioavailability. METHODS: One to three compartment model simulations with different doses for dose-proportionality or different rates and/or extents of bioavailability. Area measures evaluated were AUC0-∞, to the last quantifiable concentration (AUCtlast), and to a common time value (AUCt'). RESULTS: Under linear pharmacokinetics, AUCt' provided the most accurate measure of dose proportionality. Except for the one compartment model where AUC0-∞ provided the best predictor of the true measure, there was no clear advantage to the use of either of the three measures of AUC. CONCLUSION: With uncertainty about the terminal phase half-life, the use of AUCt' can be a very useful and even the preferred measure of exposure for use in assessing proportionality in exposure between doses. The choice of AUC measure in bioavailability is less clear and may depend on compartmental nature of the drug, and study parameters including assay sensitivity and sampling protocols.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,481
Score d'incertitude au seuil0,501

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,790
Tête enseignante GPT0,618
Écart entre enseignants0,172 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy and PharmacologyMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207