在大型瘤学队列中描述和建模相关的人口和实验室变量,以生成虚拟人群
Laura Pérez-Ramos1, Laura Ibarra-Gómez1, Rubin Lubomirov1
1PharmaMar S.A., Clinical Pharmacology Department, Clinical Development, 28770 Madrid, Spain.
Pharmaceutics
|January 8, 2025
概括
这项研究开发了癌症患者特征的预测模型,有助于个性化药物治疗和药物动力学评估. 该模型准确地模拟了不同瘤学人群的关键人口统计和实验室变量.
科学领域:
- 在瘤学瘤学.
- 药理动力学 药理动力学
- 生物统计学 生物统计学
背景情况:
- 患者的变性会影响癌症治疗反应.
- 了解人口统计和实验室数据对于药物治疗至关重要.
- 预测建模可以增强药理动力学评估.
研究的目的:
- 在大型癌症队列中描述人口统计和实验室变量.
- 开发和验证患者变量预测建模网络.
- 为制药动力学建模提供开放式方程.
主要方法:
- 利用了来自1793名癌症患者的培训 (n=1259) 和验证 (n=534) 数据集.
- 开发了一个基于固定因素的模拟网络:性别,年龄,种族和瘤类型.
- 验证了网络预测关键人口统计和实验室变量的能力.
主要成果:
- 经过验证的网络准确地预测了年龄,身高,体重,白蛋白,血红蛋白和其他关键生物标志物.
- 该模型成功地模拟了不同瘤学人群 (例如,东亚人,欧洲人,男性,女性) 的实验室变量.
- 外推包括特定的癌症类型 (胰腺,卵巢) 和绩效状态 (ECOG 2).
结论:
- 开发的网络是预测瘤学患者特征的宝贵工具.
- 它可以帮助评估和预测虚拟瘤学人群中的药理动力学.
- 该工具支持基于模型的优化癌症治疗.
