Publicação
Modelos não lineares de efeitos mistos na farmacocinética da ciclosporina em doentes transplantados renais
| Resumo: | Os parâmetros farmacocinéticos caracterizam o perfil concentração-tempo de um fármaco no organismo sendo, por isso, essenciais na individualização posológica da terapêutica, com vista a maximizar a sua eficácia e reduzir os efeitos adversos. Os dados necessários para a análise farmacocinética consistem na medição, após a administração, das concentrações sanguíneas do fármaco, obtidas ao longo do tempo para cada indivíduo. Este tipo de dados, aos quais se dá o nome de dados longitudinais, requer particular cuidado na caracterização da variabilidade, uma vez que as observações intra indivíduos tendem a estar correlacionadas. Os modelos mistos, através da incorporação de efeitos fixos (parâmetros associados à população) e efeitos aleatórios (efeitos associados aos indivíduos), permitem modelar esta dependência e acomodar a variabilidade intra e interindividual tendo, por isso, particular interesse nesta área. Este trabalho teve como objetivo fundamental estimar os parâmetros farmacocinéticos da ciclosporina recorrendo a dados longitudinais obtidos, após administração oral, em doentes transplantados renais, através da aplicação de modelos não lineares de efeitos mistos, também designados por modelos não lineares mistos, e identificar algumas covariáveis responsáveis pela variabilidade intra e interindividual da ciclosporina na subpopulação estudada. Após uma breve descrição dos conceitos básicos de farmacocinética e do fundamento teórico dos modelos não lineares de efeitos mistos e a sua aplicação em farmacocinética, descreve-se a metodologia de modelação utilizada no tratamento dos dados de ciclosporina. Os dados foram analisados usando a função quinModel da biblioteca nlme do programa S-Plus (versão 6). A inferência “populacional” é baseada na máxima verosimilhança e as predições individuais são obtidas usando métodos Bayesianos. |
|---|---|
| Autores principais: | Cardoso, Ana Sofia cunha |
| Assunto: | Modelos não lineares de efeitos mistos Dados longitudinais Farmacocinética Ciclosporina Transplante renal S-Plus Teses de mestrado - 2012 |
| Ano: | 2012 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Lisboa |
| Idioma: | português |
| Origem: | Repositório da Universidade de Lisboa |
| Resumo: | Os parâmetros farmacocinéticos caracterizam o perfil concentração-tempo de um fármaco no organismo sendo, por isso, essenciais na individualização posológica da terapêutica, com vista a maximizar a sua eficácia e reduzir os efeitos adversos. Os dados necessários para a análise farmacocinética consistem na medição, após a administração, das concentrações sanguíneas do fármaco, obtidas ao longo do tempo para cada indivíduo. Este tipo de dados, aos quais se dá o nome de dados longitudinais, requer particular cuidado na caracterização da variabilidade, uma vez que as observações intra indivíduos tendem a estar correlacionadas. Os modelos mistos, através da incorporação de efeitos fixos (parâmetros associados à população) e efeitos aleatórios (efeitos associados aos indivíduos), permitem modelar esta dependência e acomodar a variabilidade intra e interindividual tendo, por isso, particular interesse nesta área. Este trabalho teve como objetivo fundamental estimar os parâmetros farmacocinéticos da ciclosporina recorrendo a dados longitudinais obtidos, após administração oral, em doentes transplantados renais, através da aplicação de modelos não lineares de efeitos mistos, também designados por modelos não lineares mistos, e identificar algumas covariáveis responsáveis pela variabilidade intra e interindividual da ciclosporina na subpopulação estudada. Após uma breve descrição dos conceitos básicos de farmacocinética e do fundamento teórico dos modelos não lineares de efeitos mistos e a sua aplicação em farmacocinética, descreve-se a metodologia de modelação utilizada no tratamento dos dados de ciclosporina. Os dados foram analisados usando a função quinModel da biblioteca nlme do programa S-Plus (versão 6). A inferência “populacional” é baseada na máxima verosimilhança e as predições individuais são obtidas usando métodos Bayesianos. |
|---|