Powered by OpenAIRE graph
Found an issue? Give us feedback
addClaim

Clinical pharmacometrics

mathematical modeling and simulation of in vivo and in vitro data

Clinical pharmacometrics

Abstract

Στις μέρες μας, η μαθηματική μοντελοποίηση έχει αποδειχθεί ότι αποτελεί ένα πολύ σημαντικό στοιχείο της κλινικής φαρμακευτικής. Στην παρούσα διατριβή, τεχνικές πληθυσμιακής μοντελοποίησης, παλινδρόμησης, προσομοίωσης και μηχανικής μάθησης εφαρμόστηκαν για την βελτιστοποίηση δoσολογικών σχημάτων, για να διερευνηθεί η επίδραση της γαστρικής κένωσης και άλλων παραγόντων στην φαρμακοκινητική και στην φαρμακοδυναμική συγκεκριμένων φαρμάκων, για να διαλευκανθούν και να ποσοτικοποιηθούν κάποιες πηγές μεταβλητότητας της διάλυσης φαρμάκων και για να εντοπιστούν συσχετίσεις μεταξύ μεταβλητών σε περιπτώσεις που φαινομενικά δεν υπήρχε συσχετισμός. Πράγματι, οι προσομοιώσεις αποδείχθηκαν απαραίτητες για τον σχεδιασμό βελτιστοποιημένων δασολογικών σχημάτων hydroxychloroquine για την θεραπεία του COVID-19, με βάση τα χαρακτηριστικά ασθενών. Με την ίδια λογική, η χρήση πληθυσμιακής φαρμακοκινητικής και φαρμακοδυναμικής μοντελοποίησης και προσομοιώσεων, βοήθησε στον εντοπισμό των παραγόντων που επηρεάζουν το κλινικό αποτέλεσμα σε ασθενείς που δεν ανταποκρίνονταν στην αντιεπιληπτική θεραπεία με levetiracetam, επιτρέποντας έτσι να γίνει εξατομίκευση της θεραπείας. Στην συνέχεια, μέσω της προσέγγισης της πληθυσμιακής μοντελοποίησης αναδείχθηκε η χρησιμότητα των διαφορικών εξισώσεων με χρονοκαθυστέρηση για την περιγραφή της φαρμακοκινητικής φαρμάκων που παρουσιάζουν πολλαπλές κορυφές στο διάγραμμα συγκέντρωσης-χρόνου, η οποίες εμφανίζονται εξ αιτίας της γαστρικής κένωσης ή άλλων φαινομένων που προηγούνται της απορρόφησης. Η χρονοκαθυστέρηση μεταξύ χορήγησης και απορρόφησης φάνηκε να επηρεάζει σημαντικά της μεταβλητές που χρησιμοποιούνται για την εκτίμηση της βιοϊσοδυναμίας, ενώ δεν φάνηκε να έχει κάποια επίδραση στην φαρμακοδυναμική. Η μη γραμμική ανάλυση παλινδρόμησης χρησιμοποιήθηκε ακόμη για την ποσοτικοποίηση της επίδρασης στην μεταβλητότητα των καμπυλών διάλυσης, διαφορών στην συνταγή (formulation) και στο pH του μέσου διάλυσης. Τέλος, τεχνικές μηχανικής μάθησης και στατιστικής μοντελοποίησης οδήγησαν στην εύρεση και την ποσοτικοποίηση σημαντικών συσχετίσεων μεταξύ μεταβλητών που αφορούσαν στα επίπεδα chemerin, στην διάρκεια κύησης, στην σωματική ανάπτυξη, στην παχυσαρκία και το μεταβολικό σύνδρομο σε παιδία κατά την προ-εφηβεία.Η παρούσα εργασία αναδεικνύει το ρόλο της φαρμακομετρίας και της μηχανικής μάθησης στην ανάπτυξη φαρμάκων και κυρίως στην θεραπευτική.

  • BIP!
    Impact byBIP!
    selected citations
    These citations are derived from selected sources.
    This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    0
    popularity
    This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
    Average
    influence
    This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    Average
    impulse
    This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
    Average
Powered by OpenAIRE graph
Found an issue? Give us feedback
selected citations
These citations are derived from selected sources.
This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Citations provided by BIP!
popularity
This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
BIP!Popularity provided by BIP!
influence
This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Influence provided by BIP!
impulse
This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
BIP!Impulse provided by BIP!
0
Average
Average
Average
Related to Research communities
Upload OA version
Are you the author of this publication? Upload your Open Access version to Zenodo!
It’s fast and easy, just two clicks!