Modélisation de la vancomycine chez les patients avec infections ostéoarticulaires par approche pharmacocinétique de population
Bibliographic record
Abstract
La vancomycine est un antibiotique fréquemment utilisé dans le contexte hospitalier pour les infections cutanées et nosocomiales. Son utilisation nécessite un suivi thérapeutique pharmacocinétique (TDM) de la part du clinicien, étant donné l’index thérapeutique étroit et la variabilité de son profil pharmacocinétique entre les individus. Alors que le risque de néphrotoxicité associée à la vancomycine s’accroît avec sa durée de traitement, sa clairance et son volume de distribution deviennent difficiles à prédire dans le contexte des traitements prolongés, ce qui est souvent requis chez les patients avec infections ostéoarticulaires. Avec l’approche de modélisation pharmacocinétique de population (popPK), ce projet de maîtrise a cherché à évaluer les changements longitudinaux des paramètres pharmacocinétique de la vancomycine dans une population de patients atteints d’infections ostéoarticulaires. Dans un premier temps, nous avons décrit la pratique de TDM chez les patients qui recevaient de la vancomycine intraveineuse (IV) pour les infections ostéoarticulaires à l’Hôpital Général de Montréal entre décembre 2020 et décembre 2022. Dans un deuxième temps, nous avons identifié deux modèles popPK longitudinaux dans la littérature et évalué leur performance prédictive dans cette population. Bien que ces modèles proposent des approches intéressantes pour décrire les changements longitudinaux de la vancomycine, ils se sont avérés inadéquats pour décrire les paramètres pharmacocinétiques de cet antibiotique dans notre population. D’autres travaux seront nécessaires pour développer et valider des modèles longitudinaux de la vancomycine qui devront tenir compte des variables qui décrivent l’état inflammatoire du patient et des méthodes alternatives pour intégrer une structure longitudinale dans le modèle popPK.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".