Pharmacokinetic/Pharmacodynamic Modelling and Monte Carlo Simulations to Predict Cytomegalovirus Viral Load in Pediatric Transplant Recipients Treated with (val)Ganciclovir
Notice bibliographique
Résumé
Cytomegalovirus (CMV) infection poses significant challenges in pediatric transplant recipients. Ganciclovir and its prodrug valganciclovir are primary treatments because of their potent antiviral effects. Balancing efficacy and toxicity is particularly critical in children. This study aimed to develop a pharmacokinetic/pharmacodynamic (PK/PD) model for (val)ganciclovir and assess the relationship between area under the concentration–time curve (AUC) and CMV viral loads via Monte Carlo simulations. We conducted a retrospective analysis including 184 viral load samples from 36 transplanted children treated with ganciclovir/valganciclovir. We developed a population pharmacodynamic model using Monolix and performed Monte Carlo simulations to assess viral load decline with varying AUCs. Internal validation was performed using goodness-of-fit plots and bootstraps. We used a viral turnover model with stimulated degradation to model the pharmacodynamic data. Model validation showed no bias or misspecification. Simulations indicated that maintaining an AUC 0-24 ≥ 40 mg·h/L achieved an 85.4% probability of undetectable viral load after 28 days of therapy. An AUC 0-24 > 30 mg·h/L provided 80.9% probability of reducing viral loads by − 1 log after 2 weeks. AUC 0-24 values > 60 mg·h/L offered minimal incremental benefits. The pharmacodynamic model accurately predicted observed data. Simulations indicated that maintaining a ganciclovir plasma AUC 0-24 around 40–60 mg·h/L maximized antiviral efficacy. An AUC 0-24 > 60 mg·h/L might increase the risk of adverse events without providing additional 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».