MétaCan
Menu
Retour à la cohorte
Enregistrement W4410876964 · doi:10.1080/19420862.2025.2512217

Does one model fit all mAbs? An evaluation of population pharmacokinetic models

2025· article· en· W4410876964 sur OpenAlexaff
Stefan Berg, Philine E. A. Adolfsen, Thomas P. C. Dorlo, Theo Rispens

Notice bibliographique

RevuemAbs · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesnon disponible
Mots-clésPharmacokineticsPopulationPopulation pharmacokineticsComputer scienceComputational biologyMedicineBiologyPharmacology

Résumé

récupéré en direct d'OpenAlex

Antibodies are extensively used in treating various diseases, with over 100 canonical monoclonal antibodies (mAbs) approved. Population pharmacokinetic (PK) models are typically developed for each individual mAb, despite their similarities in size, shape, and susceptibility to lysosomal degradation. However, sparse datasets with limited PK information pose challenges in deriving accurate parameter estimates. Here, we provide a comprehensive overview of 160 published models of 69 mAbs, administered either intravenously or subcutaneously, examining their structural, statistical, and covariate components. Median estimates for the base parameters are linear clearance (0.22 L/d), central volume (3.42 L), peripheral volume (2.68 L), intercompartmental clearance (0.54 L/d), absorption rate (0.25 L/d), and bioavailability (69%). Using these to simulate a 'generic' mAb results in plausible kinetics with a terminal half-life of 21 ds. We demonstrated that the median linear clearance was 26% lower in models that included nonlinear target-mediated kinetics, when compared to linear models (0.18 vs. 0.25 L/d). For chimeric mAbs median linear clearance was 50% higher compared to fully human and humanized mAbs. Variability in PK parameter estimates across models was comparable to the inter-individual variability, which have consistently shown to be large for mAbs PK (e.g. 55% vs. 43% for clearance and 25% vs. 30% for central volume, respectively). Our meta-analysis suggests that a priori parameter estimates derived from the large body of existing pharmacokinetic models for mAbs are representative for many mAbs and can facilitate the design of new and/or more complex pharmacokinetic models or assist in dose optimization models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,040
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0400,074
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0060,012
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0030,003
Science ouverte0,0040,001
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,819
Tête enseignante GPT0,647
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemAbsMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207