Modeling and Simulation to Inform Apixaban Dosing in Pediatrics With Acute Lymphoblastic Leukemia or Lymphoblastic Lymphoma Treated With Asparaginase
Notice bibliographique
Résumé
Apixaban could be a potential treatment option for the prevention of venous thromboembolism (VTE) in children with acute lymphoblastic leukemia (ALL) or lymphoblastic lymphoma (LL). This analysis describes an updated two-compartment population pharmacokinetic (PPK) model that characterizes the PK variability of apixaban in pediatric patients with ALL or LL treated with asparaginase using PK data from a phase III study (PREVAPIX). Patient type of ALL or LL was found to be a significant covariate on the apparent central volume of distribution (Vc/F) and first-order absorption rate (Ka). Pediatric patients (aged 9 months to < 18 years) with ALL or LL had a 52.4% lower Ka compared with adults; this was 81.1% lower than other pediatric patients (9 months to < 18 years) at risk of VTE. Apixaban Vc/F was estimated to be 43.1% lower in pediatric patients compared with adult patients. The updated PPK model was used to simulate and confirm apixaban fixed-dose by weight-tiered regimen-achieved target exposures in pediatric patients (aged 28 days to < 18 years) with ALL or LL. In addition, a PK/pharmacodynamic (PD) analysis was performed using a linear regression model to characterize the relationship between anti-FXa activity (AXA) and apixaban concentration in pediatric patients with ALL or LL. The characterization of apixaban PK and PK/PD in this analysis contributes to evidence that apixaban could be a potential antithrombotic option in pediatric patients.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».