Tinzaparin Pharmacokinetics in Patients with Cancer: A Comparative Modeling Study
Notice bibliographique
Résumé
Abstract Cancer-associated thrombosis (CAT) is common and a leading cause of mortality in patients with cancer. In specific CAT scenarios, low-molecular-weight heparins (LMWHs), including tinzaparin, are preferred over direct oral anticoagulants. Despite the importance of understanding LMWH pharmacokinetics (PK) in cancer for optimizing CAT management, available data remain limited. To compare tinzaparin PK in cancer and non-cancer patients by developing a population PK model. This prospective, multicenter, case–control trial enrolled patients receiving once-daily subcutaneous tinzaparin at a therapeutic dose of 175 IU·kg−1, including matched cancer and non-cancer patients. Plasma anti-Xa activity was measured at multiple time points and analyzed using a non-linear mixed-effect modeling. A PK model was developed, and covariate effects were assessed for parameters of the model. The impact of cancer on tinzaparin PK was evaluated by incorporating cancer status as a categorical covariate. A total of 333 patients (including 46 matched cancer and non-cancer patients) were included in the analysis. A monocompartmental model with first-order absorption best described tinzaparin PK. The volume of distribution was associated with body weight, while clearance and anti-Xa activity were associated with creatinine clearance. No significant differences were observed between matched cancer and non-cancer patients in anti-Xa activity exposure at day 1 and steady state. PK profiles were comparable between cancer and non-cancer patients. Additionally, further studies should clarify the role of renal function in guiding tinzaparin dosing.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».