A Simulation‐Based Assessment of Levetiracetam Concentrations Following Fixed and Weight‐Based Loading Doses: A Meta‐Regression and Pharmacokinetic Modeling Analysis
Notice bibliographique
Résumé
Abstract Current recommendations for refractory status epilepticus (SE) unresponsive to benzodiazepines suggest a loading dose of levetiracetam (LEV) of 60 mg/kg to a maximum of 4500 mg. LEV therapeutic drug monitoring can help guide therapy and is garnering increasing attention. The objective of this study is to simulate the probability of target attainment (PTA) of fixed dose and weight‐based loading doses of LEV with respect to established therapeutic target concentrations. Meta‐regression of the current literature was performed to evaluate the relationship between intravenous LEV loading dose and seizure cessation in refractory SE patients. A previously published pharmacokinetic model was used to simulate the PTA capacity of competing single intravenous dosing schemes (fixed vs weight‐based dosing) to achieve maximum (Cpeak) and 12‐h (C12h) plasma concentrations that exceed 12 mg/L. The meta‐regression indicated that dosage was not a statistically significant modulator of seizure control at dosages between 20 and 60 mg/kg. Stochastic simulations showed all dosing schemes achieved plasma Cpeak >12 mg/L, but C12h levels were <12 mg/L in subjects over 60 kg with a fixed dose ≤2000 mg or in subjects <60 kg with a weight‐based dose <30 mg/kg. Dosages of 40 and 60 mg/kg provided ≥90% PTAs across all weights. Using a weight‐based loading dose of 40 mg/kg, up to a suggested maximum of 4500 mg, improves the likelihood of achieving a sustained therapeutic drug concentration after the initial LEV dose, whereas fixed <3000 mg may not achieve the desired concentration before maintenance dosing.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,043 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,044 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».