← Retour à la cohorte
Application of Physiologically Based Pharmacokinetic Modeling to Characterize the Effects of Age and Obesity on the Disposition of Levetiracetam in the Pediatric Population
Patricia D. Maglalang, Jaydeep Sinha, Kanecia O. Zimmerman, Sean McCann, Andrea N. Edginton, Christoph P. Hornik, Chi D. Hornik, William J. Muller, Amira Al‐Uzri, Marisa Meyer, Jia‐Yuh Chen, Ravinder Anand, Eliana M. Perrin, Daniel González, Daniel K. Benjamin, Phyllis Kennel, Cheryl Alderman, Zoë Sund, Kylie Opel, Rose Beci, Gregory L. Kearns, Matthew M. Laughon, Ian M. Paul, Janice E. Sullivan, Kelly C. Wade, Leanne L. West, Susan M. Abdel‐Rahman, Elizabeth Payne, Lily Chen, Gina Simone, Kathleen L. O’Connor, Jennifer Cermak, Lawrence Taylor, Ramany John, Ram Yogev, Laura Fearn, Sasidharan Taravath, Tiffony Blanks, Arielle Lapid, Melissa Harward, Kira Clark, Sarah Craven, Kimberly Grzesek, Charuta Joshi, Austin Drake, Lauri Filar, Jennifer Sargent, Arpita Lakhotia, Michael Oldham, Julie Burmester, Stephany Eubanks, Terri Simeon, Yael Shiloh‐Malawsky, Christopher L. Anderson, Mallory Jolly, Shradhdha Joshi, Norbert Odero, Jennifer Taylor, Susan Arnold, Caryn R. Harper, Erica N. Howard, María Soledad Castaño Martínez, Deanna Myer, Angela Walker, Martha Blackford, Michael Reed, Amanda Hodge, Tasha Capozzi, Heather Anthony, Glenn Stryjewski, Kimberly Klipner, Karen Kowal, Benjamin Traisman, Carol Nielsen, Pam Sroka, Matitiahu Berkovitch, Elkana Kohn, Catherine Litalien, Julie Autmizguine, Diane Desmarasis, Christine Massicotte, Mariana Dumitrascu, Vincent Lague, Neil A. Goldenberg, Peter M. Mourani, Jendar Deschenes, Domninic DiDomenico, M C Dix, Gentle Halstenson, Kathryn Malone, Kimberly Ralston, Alleluiah Rutebemberwa, Yamila Sierra, Matthew Steinbeiss, Kevin A Van, Hugh J. McMillan, Roger Zemek, Thierry Lacaze, Daniela Pohl, Angie Tuttle, Barbara Murchison, Sara Ieradi, Stuart L. Goldstein, G. Bradley, Theresa Mottes, Tara Terrell, Patricia Arnold, Bradley DePaoli, Bradley Gerhardt, Cassie Kirby, Kevin Watt, Grace Jefferson, Nicole Baisden, Heidi Tiedge, Christie Milleson, Samantha Wrenn, Anne Baez, Scott C. Denne, Brenda B. Poindexter, Gregory Sokol, B. Kost, Ashley Moore, Jaime G. Deville, Kavita Shankar, Elizabeth Lang, Yaron Finkelstein, Maggie Rumantir, Mobeen H. Rathore, Kathleen A. Thoma, Alexandrea Borges, Philip Toltzis, David Speicher, Eloise Lemon, Brenna Vitou, Eileen Goldblatt, Ramon Adams, Catherine Tasi, Lisa Petersen, Ashlee Parsons, Laura P. James, Dawn Hansberry, Michelle Hart, Howard Lee, D Pierce Ann, Karrie Kernen, Susan Poff, Courtney Konow, Kelli R. McCormack Brown, Jen Comings, Andrew Michael, Jackie Perry, Michelle Wiseheart, Janice Bernhardt, Ashley Mariconti, Jennifer Talbert, Michael G. Spigarelli, Catherine M.T. Sherwin, Fumiko Alger, JoAnn Narus, Rebbecca Perez, Priscilla Rosen, Yakub Salman, Kaylynn Shakespear, J. SHIMIZU, Sharada Dixit
Notice bibliographique
RevueClinical Pharmacokinetics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentDuke Clinical Research InstituteNational Institute of Child Health and Human DevelopmentNational Institutes of Health
Mots-clésLevetiracetamPharmacokineticsMedicineObesityDispositionPediatricsPopulationAge groupsPharmacologyEpilepsyInternal medicineDemographyPsychologyPsychiatryEnvironmental health
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,492
Score d'incertitude au seuil0,217
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.
Tête enseignante Opus0,063
Tête enseignante GPT0,399
Écart entre enseignants0,336 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 présentnon