Meropenem and piperacillin/tazobactam optimised dosing regimens for critically ill patients receiving renal replacement therapy
Notice bibliographique
Résumé
PURPOSE: Optimal dosing of meropenem and piperacillin/tazobactam in critically ill patients receiving renal replacement therapy (RRT) is uncertain due to variable pharmacokinetics. We aimed to develop generalisable optimised dosing recommendations for these antibiotics. METHODS: Prospective, multinational pharmacokinetic study including patients requiring various forms of RRT. Independent population PK models were developed, externally validated and applied to perform Monte Carlo dosing simulations using Monolix and Simulx. We calculated the probability that these dosing regimens achieved standard and high therapeutic unbound antibiotic concentrations over 100% of the dosing interval for the treatment of Enterobacterales and Pseudomonas aeruginosa. RESULTS: We enrolled 300 patients from 22 intensive care units across 12 countries receiving continuous veno-venous haemodialysis (13.0%), haemofiltration (23.3%), haemodiafiltration (48.4%) or sustained low-efficiency dialysis (15.3%). Models were developed using data from 234 patients (8322 samples) and validated with 66 additional patients (560 samples). Predictive performance was high, with mean prediction errors of - 5.2% for meropenem and - 16.9% for piperacillin. Dosing simulations showed that meropenem and piperacillin/tazobactam dosing requirements were dependent on urine output and RRT intensity and duration (p < 0.05). In all scenarios, extended/continuous infusions led to a better achievement of effective concentrations with lower daily doses compared to short infusion. Dosing nomograms were developed to inform dosing for different RRT settings, urine outputs, and target concentrations. CONCLUSION: RRT intensity and duration and urine output determine meropenem and piperacillin/tazobactam dosing requirements in critically ill patients receiving RRT. Extended/continuous infusions facilitate the attainment of effective concentrations.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».