公共文化服务平台

共 3 条记录，以下是 1-3

全选清除导出

排序方式：

万古霉素在患儿治疗中给药剂量与谷浓度的评估被引量：9: 2016年; 目的评价万古霉素常用的两个剂量在患儿治疗中的药效学和安全性,及其谷浓度的最佳水平,以期为临床更合理的使用和监测万古霉素提供参考。方法以2012年7月-2014年12月医院接受万古霉素40 mg/(kg·d)(低剂量组)或60mg/(kg·d)(高剂量组)且进行血药浓度监测的患儿作为研究对象,观察两组患儿的不良反应;通过群体药动学模型计算AUC0-24h;采用SPSS 18.0软件对数据进行统计分析。结果低、高剂量组平均AUC0-24h分别为(326.7±284.5)mg·h/L和(472.3±399.1)mg·h/L,差异有统计学意义(P<0.05);分别有21.7%和56.7%的患儿AUC0-24h>400mg·h/L;两组患儿的不良反应差异无统计学意义;谷浓度和AUC0-24h相关性良好(P<0.01),谷浓度为10mg/L时,所有患儿均可达到AUC0-24h>400mg·h/L。结论在患儿中,万古霉素60mg/(kg·d)的初始剂量较40 mg/(kg·d)能获得更好的临床效果,且不增加其不良反应,当MIC≤1mg/L,谷浓度为10mg/L时,即可达到AUC0-24h/MIC>400mg·h/L的治疗水平。; 高萍张华年陈渝军汪洋徐华许琼刘茂昌; 关键词：万古霉素儿童谷浓度

基于群体药动学原理对1例新生儿败血症的药学监护被引量：4: 2016年; 目的介绍临床药师运用群体药动学(PPK)和贝叶斯(Bayesian)原理实施药学监护的方法。方法临床药师利用中国儿童静脉滴注万古霉素的PPK模型和JPKD-Bayesian软件建立一个万古霉素个体化给药的预测研究模型。运用该模型对1例耐甲氧西林表皮葡萄球菌致新生儿败血症开展个体化给药方案设计和相关的药学监护。结果万古霉素个体化给药预测模型的谷浓度预测误差为0.8 mg·L-1,预测权重残差为8.7%,预测的准确度较高。患儿在模型预测指导下调整万古霉素用药方案后感染得到有效控制,且未发生不良反应。结论临床药师运用PPK等药学理论知识可为临床药物治疗提供重要帮助,从而提升药学服务质量。; 汪洋张华年; 关键词：万古霉素贝叶斯法药学监护个体化给药

人工神经网络在耐甲氧西林葡萄球菌感染患儿万古霉素个体化给药中的应用被引量：3: 2015年; 目的建立人工神经网络模型用于估算耐甲氧西林葡萄球菌(MRS)感染患儿万古霉素稳态血药浓度,以指导个体化给药。方法收集100例MRS感染患儿静脉泵注万古霉素后的180例次稳态血药浓度数据和临床资料。将所有血药浓度数据和病例资料随机分成两组,训练组(n=150)采用遗传算法配合动量法训练后建立人工神经网络模型,另外建立多元线性回归模型;测试组(n=30)用建立的人工神经网络预测测试组患儿的血药浓度,通过计算平均预测误差(MPE)、权重残差(WRES)、平均绝对预测误差(MAE)、平均预测误差平方(MSE)和均方根预测误差(RMSE)来验证模型。结果人工神经网络MPE(0.33±1.86)mg·L-1,WRES(14.83±14.55)%,MAE(1.38±1.26)mg·L-1,MSE(3.45±5.32)(mg·L-1)2,RMSE 1.86 mg·L-1;人工神经网络模型有83%的血药浓度数据绝对预测误差<3.0 mg·L-1,而多元线性回归模型仅有53%。人工神经网络预测的准确度及精密度均优于多元线性回归模型。结论本研究建立的人工神经网络预测性能较好,可用于预测MRS感染患儿万古霉素稳态血药浓度以指导个体化给药。; 汪洋张华年徐华陈渝军刘茂昌; 关键词：万古霉素甲氧西林抗药性葡萄球菌属个体化给药

全选清除导出

共1页<1>

武汉市科技攻关计划项目(2013060602010258)