Simulation-Based Optimization of Sampling Schedules for Model-Informed Precision Dosing of Once-Daily and 4-Times-Daily Busulfan in Pediatric Patients
Notice bibliographique
Résumé
BACKGROUND: Therapeutic drug monitoring (TDM) is crucial in optimizing the outcomes of hematopoietic stem cell transplantation by guiding busulfan (Bu) dosing. Limited sampling strategies show promise for efficiently adjusting drug doses. However, comprehensive assessments and optimization of sampling schedules for Bu TDM in pediatric patients are limited. We aimed to establish optimal sampling designs for model-informed precision dosing (MIPD) of once-daily (q24h) and 4-times-daily (q6h) Bu administration in pediatric patients. METHODS: Simulated data sets were used to evaluate the population pharmacokinetic model-based Bayesian estimation of the area under the concentration-time curve (AUC) for different limited sampling strategy designs. The evaluation was based on the mean prediction error for accuracy and root mean square error for precision. These findings were validated using patient-observed data. In addition, the MIPD protocol was implemented in the Tucuxi software, and its performance was assessed. RESULTS: Our Bayesian estimation approach allowed for flexible sampling times while maintaining mean prediction error within ±5% and root mean square error below 10%. Accurate and precise AUC 0-24h and cumulative AUC estimations were obtained using 2-sample and single-sample schedules for q6h and q24h dosing, respectively. TDM on 2 separate days was necessary to accurately estimate cumulative exposure, especially in patients receiving q6h Bu. Validation with observed patient data confirmed the precision of the proposed limited sampling scenarios. Implementing the MIPD protocol in Tucuxi software yielded reliable AUC estimations. CONCLUSIONS: Our study successfully established precise limited sampling protocols for MIPD of Bu in pediatric patients. Our findings underscore the importance of TDM on at least 2 occasions to accurately achieve desired Bu exposures. The developed MIPD protocol and its implementation in Tucuxi software provide a valuable tool for routine TDM in pediatric hematopoietic stem cell transplantation.
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 | 0,000 | 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 ».