Oszacowanie dawki warfaryny z danymi klinicznymi i farmakogenetycznymi ad 5

Podejście to najlepiej spełniało nasze kryterium najniższego średniego błędu absolutnego, ale zostało również wybrane, gdyby kryterium było najniższym średnim kwadratem błędu. Chociaż może być nieco zaskakujące, że zwykła regresja metodą najmniejszych kwadratów byłaby najlepsza w zależności od średniego błędu absolutnego, po części wydaje się, że minimalizacja błędu kwadratu w przewidywaniu pierwiastka kwadratowego dawki skutecznie minimalizuje średnią absolutny błąd. Ta silna wydajność zwykłej regresji metodą najmniejszych kwadratów była przypadkowa, ponieważ przyniosła prostszy i łatwiejszy do zrozumienia model niż wiele z bardziej złożonych metod modelowania, z których korzystaliśmy. Ponieważ wynikowy algorytm dawki oblicza pierwiastek kwadratowy z tygodniowej dawki, wynik musi być podniesiony do kwadratu, aby obliczyć tygodniową dawkę. Algorytm ten jest dostępny na stronie www.warfarindosing.org oraz jako skoroszyt programu Microsoft Excel (patrz Dodatek Dodatek 2 i Rozdział 6 w Dodatku Dodatkowym 1). Przy zastosowaniu tej samej metody regresji liniowej skonstruowaliśmy algorytm obejmujący tylko zmienne kliniczne, bez włączania danych genetycznych (patrz sekcja w Dodatku 1). Dawki przewidywane przez trzy modele
Tabela 2. Tabela 2. Przewidywana warfaryna Dawka z algorytmem farmakogenetycznym, algorytmem klinicznym i metodą ustalonej dawki w porównaniu z rzeczywistą stabilną dawką w kohortach pochodnych i walidacyjnych. Rysunek 1. Rysunek 1. Porównanie dawek warfaryny zgodnie z algorytmem klinicznym i algorytmem farmakogenetycznym. Panel A pokazuje porównania oparte na genotypie oraz na użyciu lub niewykorzystaniu amiodaronu. Ten przykład 50-letniego nieazjatyckiego, nieczarnego pacjenta, który ma 1,75 m wzrostu i waży 80 kg, pokazuje, że genotyp może znacznie zmienić zalecaną dawkę z ponad 45 mg na tydzień do mniej niż 10 mg na tydzień, gdy wszystkie inne czynniki są takie same. Panel B pokazuje porównanie oparte na rasie i genotypie. Ten przykład 50-letniego pacjenta, który ma 1,75 m wzrostu i waży 80 kg, pokazuje, że różnice rasowe w szacowanej dawce stają się nieistotne po dodaniu informacji genetycznej do modelu i że algorytm kliniczny w porównaniu z algorytmem farmakogenetycznym, często wytwarza średnią wartość, która może znacznie zawyżać lub lekceważyć dawkę.
Wydajność modeli farmakogenetycznych, klinicznych i ustalonych dawek w kohortach derywacyjnych i walidacyjnych pokazano w Tabeli 2. Algorytm farmakogenetyczny dostarczył szacunkowe dawki, które były znacznie bliższe rzeczywistym wymaganym dawkom niż oszacowania uzyskane z klinicznego algorytmu lub podejście oparte na stałej dawce, o czym świadczy średni błąd bezwzględny, który był niższy niż w przypadku algorytmu klinicznego i podejścia z ustaloną dawką (8,5 mg na tydzień [95% przedział ufności {CI}, 8,0 do 9,0] vs. 9,9 mg na tydzień [95% CI, 9,3 do 10,4] i 13,0 mg na tydzień [95% CI, 12,4 do 13,6], odpowiednio; P <0,001 dla obu porównań). Figura pokazuje porównania przewidywanych dawek zgodnie z reprezentatywnymi cechami klinicznymi lub demograficznymi, kombinacjami genotypów, rasą i stosowaniem lub niewykorzystaniem amiodaronu (ważny lek oddziałujący) [patrz też: depilacja laserowa ceny, wynicowanie pęcherza, leki na sen na recepte wykaz ]

Powiązane tematy z artykułem: depilacja laserowa ceny leki na sen na recepte wykaz wynicowanie pęcherza