Development and validation of an LC-MS/MS method for ruxolitinib quantification: advancing personalized therapy in hematologic malignancies
Notice bibliographique
Résumé
Background: Hematologic malignancies such as leukemia and lymphoma present treatment challenges due to their genetic and molecular heterogeneity. Ruxolitinib, a Janus kinase (JAK) inhibitor, has demonstrated efficacy in managing these cancers. However, optimal therapeutic outcomes are contingent upon maintaining drug levels within a therapeutic window, highlighting the necessity for precise drug monitoring. Methods: We developed a sensitive liquid chromatography-tandem mass spectrometry (LC-MS/MS) method to quantify ruxolitinib in human plasma, improving upon traditional methods in specificity, sensitivity, and efficiency. The process involved the use of advanced chromatographic techniques and robust mass spectrometric conditions to ensure high accuracy and minimal matrix effects. The study was conducted using samples from 20 patients undergoing treatment, with calibration standards ranging from 10 to 2000 ng/mL. Results: > 0.99) across the studied range and proved highly selective with no significant interference observed. The method's precision and accuracy met FDA guidelines, with recovery rates consistently exceeding 85%. Clinical application demonstrated significant variability in ruxolitinib plasma levels among patients, reinforcing the need for individualized dosing schedules. Conclusion: The validated LC-MS/MS method offers a reliable and efficient tool for the therapeutic drug monitoring of ruxolitinib, facilitating personalized treatment approaches in hematologic malignancies. This approach promises to enhance patient outcomes by optimizing dosing to reduce toxicity and improve efficacy.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».