Médecine

Paramédical

Autres domaines


S'abonner

Artificial neural network modeling to predict the plasma concentration of aminoglycosides in burn patients - 16/05/08

Doi : 10.1016/j.biopha.2003.12.012 
Shigeo Yamamura a, , Keiko Kawada a, Rieko Takehira a, Kenji Nishizawa b, Shirou Katayama b, Masaaki Hirano b, Yasunori Momose a
a School of Pharmaceutical Sciences, Toho University, Miyama 2-2-1, Funabashi, Chiba 274-8510, Japan 
b Department of Pharmacy Service of the Nippon Medical School Hospital, Sendagi 1-1-5, Bunkyo-ku, Tokyo 113-8603, Japan 

*Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 6
Iconographies 4
Vidéos 0
Autres 0

Abstract

The goal was to use an artificial neural network model to predict the plasma concentration of aminoglycosides in burn patients and identify patients whose plasma antibiotic concentration would be sub-therapeutic based on the patients’ physiological data and taking into account burn severity. Physiological data and some indicators of burn severity were collected from 30 burn patients who received arbekacin. A three-layer artificial neural network with five neurons in the hidden layer was used to predict the plasma concentration of arbekacin. Linear modeling for prediction of plasma concentration and logistic regression modeling for the classification of patients were also used and the predictive performance was compared to results from the artificial neural network model. Dose, body mass index, serum creatinine concentration and amount of parenteral fluid were selected as covariates for the plasma concentration of arbekacin. Area of burn after skin graft was a good covariate for indicating burn severity. Predictive performance of the artificial neural network model including burn severity was much better than linear modeling and logistic regression analysis. An artificial neural network model should be helpful for the prediction of plasma concentration using patients’ physiological data, and burn severity should be included for improved prediction in burn patients. Because the relationship between burn severity and plasma concentration of aminoglycosides is thought to be nonlinear, it is not surprising that the artificial neural network model showed better predictive performance compared to the linear or logistic regression models.

Le texte complet de cet article est disponible en PDF.

Keywords : Artificial neural network modeling, Aminoglycoside antibiotics, Burn severity, Pharmacokinetic modeling


Plan


© 2004  Éditions scientifiques et médicales Elsevier SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 58 - N° 4

P. 239-244 - mai 2004 Retour au numéro
Article précédent Article précédent
  • Effect of cyclosporin A on human gingival fibroblast collagen turnover in relation to the development of gingival overgrowth: an in vitro study
  • Nicoletta Gagliano, Claudia Moscheni, Claudia Dellavia, Carlo Torri, Giordano Stabellini, Virgilio F. Ferrario, Magda Gioia
| Article suivant Article suivant
  • Essential oil of Australian lemon myrtle (Backhousia citriodora) in the treatment of molluscum contagiosum in children
  • Briant E. Burke, Jon-Eric Baillie, Richard D. Olson

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

;

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.