Un modello per la previsione della concentrazione del farmaco della vancomicina

Background: la vancomicina è un antibiotico glicopeptidico utilizzato principalmente per il trattamento delle infezioni causate da Staphylococcus aureus resistente alla meticillina (MRSA). Essendo un antibiotico tempo-dipendente, la concentrazione sierica della vancomicina è strettamente correlata all’efficacia clinica, alla tossicità e all’insorgenza di resistenza ai farmaci. Pertanto, il monitoraggio terapeutico dei farmaci (TDM) è considerato una componente importante della gestione del trattamento con vancomicina. Secondo le linee guida di sorveglianza della vancomicina, si raccomanda di mantenere una concentrazione sierica di vancomicina di 15-20 mg/L nei pazienti con infezioni gravi al fine di migliorare i risultati clinici e prevenire la resistenza ai farmaci. Tuttavia, il test della concentrazione sierica della vancomicina non è ampiamente utilizzato nelle pratiche cliniche, soprattutto nelle aree con risorse limitate e nelle istituzioni mediche, quindi il monitoraggio personalizzato rimane una sfida. Attualmente, gli studi sulla previsione della concentrazione di vancomicina utilizzano generalmente il modello farmacocinetico di popolazione (PPK). Tuttavia, questo modello è influenzato da molti fattori quali età, peso e tasso di clearance della creatinina. Tuttavia, poiché i pazienti critici presentano malattie complesse accompagnate da disfunzioni multiorgano, la farmacocinetica della vancomicina può essere alterata. In tali pazienti, l’evidenza per la previsione della concentrazione utilizzando i modelli PPK è insufficiente.

Attualmente, i metodi di apprendimento automatico in rapido sviluppo possono aiutare a catturare relazioni variabili non lineari effettuando previsioni attraverso più variabili per ottenere un elevato grado di precisione nei risultati delle previsioni. Questo studio mira a utilizzare metodi di apprendimento automatico per stabilire un modello ottimale per prevedere le concentrazioni sieriche minime di vancomicina nei pazienti critici.

Obiettivo: questo studio mira a estrarre i dati sulla concentrazione sierica di vancomicina dal database di terapia intensiva del Peking Union Medical College Hospital da gennaio 2014 a dicembre 2023 e utilizzare metodi di apprendimento automatico per stabilire il modello ottimale per prevedere le concentrazioni di vancomicina in pazienti critici.

Metodi: (1) Questo è uno studio retrospettivo monocentrico. Sono stati esaminati i dati sulla concentrazione sierica di vancomicina nel Critical Care Database del Peking Union Medical College Hospital. Dopo aver soddisfatto i criteri di ammissibilità, i dati clinici dei pazienti inclusi vengono raccolti attraverso il sistema di cartella clinica ospedaliera, comprese le caratteristiche demografiche, i punteggi di gravità, le informazioni sui test di laboratorio e le informazioni sul trattamento. (2) Dopo aver estratto i dati disponibili, per costruire modelli di previsione vengono utilizzati cinque modelli di machine learning, tra cui regressione lineare, regressione lazo, regressione cresta, foresta casuale e LightGBM. Il modello con la migliore precisione di previsione viene selezionato in base all'errore percentuale (PE), all'errore percentuale medio (MPE) e all'errore percentuale assoluto medio (MAPE). (3) Il database MIMIC-IV (Medical Information Mart for Intensive Care) viene utilizzato per condurre la convalida esterna del modello costruito mediante l'apprendimento automatico. Inoltre, i ricercatori confronteranno le prestazioni predittive del modello PPK con il modello costruito.

Controllo di qualità: sono inclusi i pazienti che soddisfano i criteri di inclusione. I pazienti con informazioni mancanti non vengono arruolati per ridurre i bias. Le informazioni sui pazienti inclusi vengono registrate e registrate da una persona di ricerca dedicata.

Etica e tutela della privacy del paziente: le informazioni personali nello studio verranno utilizzate solo per gli scopi descritti nel protocollo di questo studio. Le informazioni mediche ottenute saranno mantenute riservate. I risultati saranno inoltre pubblicati su riviste accademiche senza rivelare alcuna informazione identificabile sul paziente. Lo studio è stato approvato dal Comitato di etica medica del Peking Union Medical College Hospital (K24C1161).