Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
RCAP_e9a4785d5f35c5b04f375e25c9880c53 |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/15511 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Bayesian pharmacokinetics: Pharmacodynamics modeling & simulationAnálise BayesianaBioestatística computacionalAnálise individualFarmacocinéticaFarmacodinâmicaBayesian analysisComputacional biostatisticalPharmacodynamicsPara 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.Oliveira, CarlaSilva, Nuno ElvasRepositório Científico do Instituto Politécnico do PortoMendonça, Verónica Maria Marques2020-02-20T17:15:27Z2019-112019-11-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/15511TID:202444996enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T12:59:37Zoai:recipp.ipp.pt:10400.22/15511Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:35:13.378438Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation |
title |
Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation |
spellingShingle |
Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation Mendonça, Verónica Maria Marques Análise Bayesiana Bioestatística computacional Análise individual Farmacocinética Farmacodinâmica Bayesian analysis Computacional biostatistical Pharmacodynamics |
title_short |
Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation |
title_full |
Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation |
title_fullStr |
Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation |
title_full_unstemmed |
Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation |
title_sort |
Bayesian pharmacokinetics: Pharmacodynamics modeling & simulation |
author |
Mendonça, Verónica Maria Marques |
author_facet |
Mendonça, Verónica Maria Marques |
author_role |
author |
dc.contributor.none.fl_str_mv |
Oliveira, Carla Silva, Nuno Elvas Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Mendonça, Verónica Maria Marques |
dc.subject.por.fl_str_mv |
Análise Bayesiana Bioestatística computacional Análise individual Farmacocinética Farmacodinâmica Bayesian analysis Computacional biostatistical Pharmacodynamics |
topic |
Análise Bayesiana Bioestatística computacional Análise individual Farmacocinética Farmacodinâmica Bayesian analysis Computacional biostatistical Pharmacodynamics |
description |
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. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-11 2019-11-01T00:00:00Z 2020-02-20T17:15:27Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/15511 TID:202444996 |
url |
http://hdl.handle.net/10400.22/15511 |
identifier_str_mv |
TID:202444996 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131444380958720 |