Therapeutic drug monitoring-guided piperacillin dosing in critically ill patients undergoing continuous renal replacement therapy: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Continuous renal replacement therapy (CRRT) complicates antibiotic dosing in critically ill patients due to altered pharmacokinetics. The optimal dosing of piperacillin remains unclear. Therapeutic drug monitoring (TDM) can personalize piperacillin therapy and improve outcomes. OBJECTIVES: This review investigates the effects of TDM-guided piperacillin dosing on pharmacokinetic target attainment and clinical outcomes in CRRT patients, analyses correlations with clinical outcomes, provides optimal dosing strategies for piperacillin and identifies future research areas. METHODS: A systematic search of PubMed, Scopus and Web of Science was conducted until December 2023, identifying studies on piperacillin pharmacokinetics and clinical outcomes in adult CRRT patients. Data on study characteristics, piperacillin exposures, TDM use, target attainment rates, mortality and length of stay were extracted. The risk of bias was assessed using the Newcastle-Ottawa Scale. RESULTS: Eleven observational studies were included. High pharmacokinetic variability was evident, with piperacillin target non-attainment in up to 74% of cases without TDM. Two studies with routine TDM showed increased target attainment rates of 80%-100%. Mortality ranged from 17% to 56%, with supratherapeutic concentrations (≥100 mg/L) associated with higher mortality. The impact of optimized piperacillin exposures on outcomes was inconclusive. Most studies demonstrated a low risk of bias. CONCLUSIONS: TDM-guided piperacillin dosing in CRRT patients improved target attainment rates (≥80%). Mortality rates ranged from 17% to 56%, with inconsistent correlations between drug exposures and survival. Supratherapeutic concentrations were linked to higher mortality. Standardized TDM protocols are needed. Future research should establish clear exposure-response relationships and the impact of TDM on clinical outcomes.
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 | 0,007 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».