Efficacy of isoniazid in paediatric tuberculosis: an individual participant data meta-analysis
Notice bibliographique
Résumé
Background Isoniazid is a cornerstone of management therapy for tuberculosis (TB). Our aim was to determine the association between isoniazid exposure and clinical outcomes, to develop a pharmacokinetic model, and to optimise the dosing regimen in children treated for drug-susceptible (DS)-TB. Methods For this individual participant data meta-analysis, PubMed was searched for observational studies, involving children (aged 0–18 years), being treated for DS-TB. The relationship between isoniazid exposure and clinical outcomes was analysed using a mixed effects logistic regression model. Pharmacokinetic parameters were described using non-linear mixed effects modelling. The pharmacokinetic target was the median adult area under the concentration–time curve at steady-state (AUC ss ) of 23.4 mg·h·L −1 . Results Six studies provided clinical outcomes, including 405 patients, of which 21% had unfavourable outcomes. 16 studies (1255 patients) were included in the pharmacokinetic model. Unfavourable outcomes were only related to lower body mass index (BMI) for age z-score (BAZ) (OR 0.96, 95% CI 0.93–0.99; p<0.05). Isoniazid exposure was impacted by N -acetyltransferase 2 (NAT2) genotype, weight, age and nutritional status (using BAZ). With currently recommended World Health Organization (WHO) doses, isoniazid exposure was similar to that of adults. Pharmacokinetic target attainment was 71.7% and 29.5% for slow and fast metabolisers, respectively (p<0.05); 50.5% for patients with BAZ >0 and 42.6% for malnourished patients (BAZ < −2) (p<0.05). The model-informed dosing regimen showed that fast metabolisers could benefit from higher isoniazid dosing, especially in malnourished children. Conclusion Our findings showed that the only predictor of unfavourable clinical outcomes was a lower BAZ. We support the current WHO-recommended dosing regimen for isoniazid. To equalise and attain our pharmacological target for all children, dosing regimens could be adjusted on NAT2 genotype and nutritional status.
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 | 0,025 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,055 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».