Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation

• Autor(a) principal: Mendonça, Verónica Maria Marques
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/15511
• topic: Análise Bayesiana; Bioestatística computacional; Análise individual; Farmacocinética; Farmacodinâmica; Bayesian analysis; Computacional biostatistical; Pharmacodynamics

Para que um fármaco entre no mercado farmacêutico, é necessário realizar estudos que demonstrem a sua eficácia e segurança. Estes estudos permitem estudar interações e influência de determinados fatores fisiológicos (idade, dieta) e patológicos (ex: problemas hepáticos) na absorção do fármaco no corpo humano. A farmacocinética (PK) tem como objetivo o estudo do processo cinético de absorção do fármaco - como também a biotransformação e eliminação, ou seja, estudo o que o corpo faz ao fármaco - usando parâmetros PK para medir a extensão do componente ativo, desde a fase de absorção até ao local de efeito. Por outro lado, a farmacodinâmica (PD) estuda o que o fármaco faz ao corpo (ex: após ocorrer ligação entre o fármaco e o recetor), isto é, estuda o efeito produzido. A análise individual em contraste com análise populacional não tem em conta fatores que podem explicar alguma da variabilidade observada no fármaco. Daí que, a abordagem populacional é muitas vezes útil quando se deseja identificar e quantificar fatores que influenciam o comportamento ou que expliquem a variabilidade (variabilidade inter-sujeitos) numa determinada população de interesse. Pois, é possível estimar o efeito do fármaco desprovido de outros fatores que possam interferir e deste modo estimar a dosagem apropriada a subpopulação específica, tais como crianças e idosos. Para a análise PK/PD usou-se modelo de efeitos fixos e de efeitos mistos não-lineares com recurso à modelação Bayesiana. A modelação Bayesiana é particularmente atraente do ponto de vista biológico, numa vez que permite a incorporação de distribuições informativas prévias. Como também é preferível, do ponto de vista da estimação, pois consegue lidar com um grande número de parâmetros e, com a não-linearidade dos processos cinéticos. Na modelação Bayesiana recorreu-se aos métodos de Markov chain-Monte Carlo, algoritmos que permitem gerar amostras cuja distribuição se vai moldando e estabilizando, à medida que o número de simulações aumenta, em torno de uma distribuição, na qual se estima os parâmetros de interesse com um determinado grau de credibilidade. O estágio na BlueClinical teve como objetivo caracterizar e perceber a análise individual e populacional da farmacocinética/farmacodinâmica para aceder à segurança e eficácia de um fármaco inovador num estudo ficcional de fase I e fase II de ensaios clínicos (conteúdo acedido por Metrum Institute). Assim foi possível explorar diferentes modelos, identificar e validar o modelo que melhor explica o estudo em causa. Neste estudo, conclui-se que o modelo que melhor explica PK/PD é o modelo de dois compartimentos e para modelar os efeitos secundários foi considerado o modelo semi-mecânico de Friberg and Karlsson.