External evaluation of neonatal vancomycin population pharmacokinetic models: Moving from first‐order equations to Bayesian‐guided therapeutic monitoring
Notice bibliographique
Résumé
INTRODUCTION: Guidelines for vancomycin therapeutic monitoring recommend using a Bayesian approach with a population pharmacokinetic model to estimate the 24 h area under the concentration-time curve over first-order equations. Thus, we performed an external evaluation of population pharmacokinetic models of vancomycin in neonates and compared Bayesian results with those observed in clinical practice via pharmacokinetic equations to improve therapeutic monitoring by proposing optimized initial dosing nomograms and assessing the feasibility of reduced blood sampling strategies using the most predictive models. METHODS: Models were identified from the literature and evaluated via an external neonatal population. A priori predictive performance was first assessed by prediction-based diagnostics, then by simulation-based diagnostics and a posteriori analyses only if deemed satisfactory; model-informed vancomycin exposure was also compared with reference first-order pharmacokinetic equations. The best-performing models were ultimately subjected to Monte Carlo simulations to develop new initial dosing nomograms offering the highest probability of achieving therapeutic target. RESULTS: 30%, while the Bayesian approach yielded over 75% agreement with reference exposure values in most cases. Nonetheless, Capparelli et al. and Mehrotra et al. models performed the best overall, showing the lowest imprecisions of 16.8% and 16.9%, respectively; both models recommended higher dosage regimens than the theoretical nomogram currently applied to favor therapeutic target attainment. DISCUSSION: We externally evaluated numerous neonatal population pharmacokinetic models of vancomycin and used the most predictive ones to advocate new initial dosing nomograms. Clinical implementation of the Bayesian approach could reduce the time needed to reach therapeutic target and limit the number of blood samples in newborns compared with traditional pharmacokinetic equations.
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 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».