INVESTIGADORES
SCHAIQUEVICH Paula Susana
congresos y reuniones científicas
Título:
MODELOS FARMACOCINÉTICOS POBLACIO-NALES PARAMÉTRICOS Y NO PARAMÉTRICOS: EVALUACIÓN COMPARATIVA DE SU ROBUSTEZ A PARTIR DE DATOS REALES Y SIMULACIONES
Autor/es:
CACERES GUIDO P; PORTA A; SCHAIQUEVICH P
Reunión:
Congreso; XXXX IV Sociedad Argentina de Farmacologia Experimental; 2012
Resumen:
Los modelos farmacocinéticos (PK) poblacionales no
paramétricos (MNP, que no suponen distribución a priori de los
parámetros PK) tienen la capacidad de detectar subpoblaciones
que no son detectadas con los métodos paramétricos (MP). En
adición, solo recientemente (2012) y a partir de datos
simulados se ha observado la mayor robustez (obtención de
estimaciones fiables independientemente de estos valores
atípicos) que tienen los MNP en relación los MP. Se presenta
en este trabajo el primer análisis, a partir de datos reales, que
muestra los MNP tienen mayor robustez y capacidad de
detectar datos atípicos que los MP. En el transcurso de la
elaboración de un modelo poblacional de amikacina en
neonatos se desarrollaron MP con el algoritmo MCMC-SAEM
(Monolix) y MNP con el algoritmo NPAG (Pmetrics). En
ambos casos, el modelo seleccionado es de eliminación de
orden uno parametrizado por constante de eliminación (kel) y
volumen de distribución (Vol). Los valores medios estimados
para toda la población fueron muy similares: kel_MNP: 0.18 h-1
(MP: 0.16 h-1
), Vol_MNP:0.5 L. (MP: 0.44 L.). En
contraposición, para uno de los pacientes de la población en
cuestión, los valores atípicos e inconsistentes de
concentraciones plasmáticas se reflejaron en una estimación
individual de la kel de 0.02 h-1
para el MNP, mientras que para
el MP fue de 0.14 h-1
. Por otra parte, a partir de set de datos
obtenidos a partir de la base original, se observó que los MNP
soportan una mayor proporción de datos atípicos que los MP
sin que los parámetros estimados para los individuos sin datos
atípicos varíen significativamente. Estos resultados apoyan la
conveniencia MNP junto con los MP al desarrollar modelos PK
poblacionales.