Información

Modelos matemáticos / estadísticos para pronosticar distribuciones poblacionales de edad, sexo, peso y altura.


Vengo de una formación matemática pero no tengo experiencia con el tema de la biología matemática.

¿Existen modelos matemáticos / estadísticos bien establecidos para pronosticar la evolución de las distribuciones poblacionales de parámetros biométricos como la edad, el sexo, el peso y la altura? Por ejemplo, he escuchado a menudo que se prevé que aumente la proporción de personas mayores en la población. ¿Qué modelos se están utilizando para generar pronósticos como estos?


El término que está buscando es demografía: hay literalmente miles de artículos publicados sobre este tema.

Cada uno de los temas mencionados tiene sus propios modelos y teorías predominantes, por lo que sin una pregunta exacta es muy difícil responder qué modelo podría encontrar mejor.

Dicho esto, existen modelos bien establecidos de cosas como el crecimiento geométrico de poblaciones (propuesto por Thomas Malthus en 1798). Las Naciones Unidas hacen muchos modelos de poblaciones y cosas por el estilo. Puede que le interesen sus publicaciones e información disponibles gratuitamente aquí.


Introducción al criterio de información de Akaike

El criterio de información de Akaike (AIC) es un método matemático para evaluar qué tan bien se ajusta un modelo a los datos a partir de los cuales se generó. En estadística, AIC se utiliza para comparar diferentes modelos posibles y determinar cuál es el que mejor se ajusta a los datos. El AIC se calcula a partir de:

  • el número de variables independientes utilizadas para construir el modelo.
  • la estimación de máxima verosimilitud del modelo (qué tan bien el modelo reproduce los datos).

El modelo de mejor ajuste según AIC es el que explica la mayor cantidad de variación utilizando la menor cantidad de variables independientes posibles.

A continuación, queremos saber si la combinación de edad y sexo es mejor para describir la variación en el IMC por sí sola, sin incluir el consumo de bebidas.

Después de encontrar el modelo que mejor se ajusta, puede seguir adelante, ejecutar el modelo y evaluar los resultados. El resultado de la evaluación de su modelo se puede informar en la sección de resultados de su documento.


Tabla de contenido

Las pruebas estadísticas funcionan calculando un Estadística de prueba - un número que describe cuánto difiere la relación entre las variables en su prueba de la hipótesis nula de no relación.

Luego calcula un pag-valor (valor de probabilidad). los pag-value estima la probabilidad de que vea la diferencia descrita por el estadístico de prueba si la hipótesis nula de no relación fuera cierta.

Si el valor del estadístico de prueba es más extremo que el estadístico calculado a partir de la hipótesis nula, entonces puede inferir un relación estadísticamente significativa entre el predictor y las variables de resultado.

Si el valor del estadístico de prueba es menos extremo que el calculado a partir de la hipótesis nula, entonces puede inferir sin relación estadísticamente significativa entre el predictor y las variables de resultado.


8.2 Estudio de caso: descripción de la altura de los estudiantes

Aquí presentamos un nuevo problema motivador. Es artificial, pero nos ayudará a ilustrar los conceptos necesarios para comprender las distribuciones.

Imagina que tenemos que describir las alturas de nuestros compañeros de clase a ET, un extraterrestre que nunca ha visto a los humanos. Como primer paso, necesitamos recopilar datos. Para hacer esto, les pedimos a los estudiantes que reporten sus alturas en pulgadas. Les pedimos que proporcionen información sobre el sexo porque sabemos que hay dos distribuciones diferentes por sexo. Recopilamos los datos y los guardamos en el marco de datos de alturas:

Una forma de transmitir las alturas a ET es simplemente enviarle esta lista de 1050 alturas. Pero hay formas mucho más efectivas de transmitir esta información, y comprender el concepto de distribución ayudará. Para simplificar la explicación, primero nos enfocamos en la altura de los hombres. Examinamos los datos de altura femenina en la Sección 8.14.


Farmacocinética poblacional de la clozapina: una revisión sistemática

Antecedentes y objetivo. La clozapina es un fármaco antipsicótico de segunda generación que se considera el tratamiento más eficaz para la esquizofrenia refractaria. En las últimas décadas se han introducido varios modelos farmacocinéticos poblacionales de clozapina. Por lo tanto, se realizó una revisión sistemática (i) para comparar los modelos farmacocinéticos publicados y (ii) para resumir y explorar las covariables identificadas que influyen en los modelos farmacocinéticos de la clozapina. Métodos. Se realizó una búsqueda de publicaciones para análisis farmacocinéticos poblacionales de clozapina en voluntarios sanos o pacientes desde el inicio hasta abril de 2019 en las bases de datos PubMed y SCOPUS. Se excluyeron las revisiones, los artículos de metodología, los estudios in vitro y en animales y los análisis no compartimentales. Resultados. En esta revisión se incluyeron doce estudios. La farmacocinética de la clozapina se describió como unicompartimental con absorción y eliminación de primer orden en la mayoría de los estudios. En la mayoría de los estudios incluidos se encontraron variaciones significativas interindividuales de los parámetros farmacocinéticos de la clozapina. Se encontró que la edad, el sexo, el tabaquismo y el citocromo P450 1A2 eran las covariables identificadas más comunes que afectan a estos parámetros. La validación externa solo se realizó en un estudio para determinar el rendimiento predictivo de los modelos. Conclusiones. Se mantiene una gran variabilidad farmacocinética a pesar de la inclusión de varias covariables. Esto se puede mejorar al incluir otros factores potenciales como polimorfismos genéticos, factores metabólicos e interacciones medicamentosas significativas en un modelo farmacocinético poblacional bien diseñado en el futuro, teniendo en cuenta la incorporación de un tamaño de muestra más grande y una estrategia de muestreo más estricta. También se debe realizar una validación externa a los modelos publicados anteriormente para comparar sus rendimientos predictivos.

1. Introducción

La clozapina es un fármaco antipsicótico de dibenzodiazepina tricíclico que se usa comúnmente en el tratamiento de la esquizofrenia, particularmente en pacientes que son refractarios o intolerantes a los efectos secundarios de los antipsicóticos típicos [1]. En comparación con otros fármacos antipsicóticos, la clozapina tiene menos riesgo de efectos neurológicos no deseados e incluso puede mejorar los síntomas negativos hasta cierto punto [2]. La clozapina es el único fármaco antipsicótico de segunda generación aprobado para minimizar el riesgo de suicidio en pacientes con antecedentes de esquizofrenia [3]. Sin embargo, debido al riesgo de agranulocitosis y otros efectos secundarios, la clozapina necesita un control exhaustivo de los niveles en sangre [4]. La monitorización del fármaco terapéutico (TDM) de la clozapina es clínicamente relevante en determinadas situaciones, como una respuesta clínica inadecuada, signos de toxicidad, aparición de convulsiones, cambios en los medicamentos concomitantes, uso concomitante de cafeína o tabaquismo, enfermedad hepática concomitante y sospecha de incumplimiento [5 ].

La clozapina es metabolizada por las enzimas CYP1A2 y CYP3A4 en el hígado para formar norclozapina o N-desmetilclozapina, que se considera el principal metabolito (20-30%) [6]. La norclozapina no solo es una potente 5-HT1C antagonista del receptor, pero también tiene una afinidad similar a la clozapina por D2 y 5-HT2 receptores [7]. Se ha demostrado que los niveles plasmáticos de clozapina se correlacionan con los efectos clínicos. No obstante, debido a su complejo metabolismo, existen importantes variaciones inter e intraindividuales en los niveles séricos de clozapina para una dosis determinada [8]. Los factores que afectan los niveles séricos de clozapina informados varían significativamente de un estudio a otro, y los predictores de la variabilidad no son concluyentes. Según el nomograma de dosificación de Perry, el 47% de la variabilidad de la concentración de clozapina se explica por la dosis, el sexo y el tabaquismo [9], mientras que la dosis, el sexo, el tabaquismo, el peso corporal, el nivel de clozapina y la relación clozapina: norclozapina representaron solo el 48% de la variabilidad de la concentración de clozapina en el nomograma de Rostami-Hodjegan [10].

El modelado farmacocinético poblacional se utiliza ampliamente para identificar los parámetros farmacocinéticos de una población e investigar las covariables que contribuyen a la variabilidad farmacocinética [11]. Algunas medidas de concentración de fármacos pueden orientar los ajustes de dosis mediante la integración del modelo farmacocinético poblacional con el método de pronóstico bayesiano [12].

Durante las últimas décadas, se han realizado varios estudios de farmacocinética poblacional sobre clozapina. Esta revisión tuvo como objetivo presentar una comparación sistemática de los modelos farmacocinéticos de la población de clozapina publicados, así como explorar las covariables identificadas que influyen en los modelos farmacocinéticos de la clozapina que aún no se han explorado.

2. Materiales y métodos

2.1. Estrategia de búsqueda

Los datos para esta revisión se identificaron mediante una revisión sistemática de las publicaciones enumeradas en las bases de datos PubMed y SCOPUS desde el inicio hasta abril de 2019 utilizando los siguientes términos de búsqueda: "clozapina" Y ("farmacocinética poblacional" O "farmacometría" O "modelo farmacocinético" O "popPK" O "pop PK" O "PPK" O "modelo de efecto mixto no lineal" O "NONMEM" O "bayesiano"). Se identificaron publicaciones adicionales mediante la revisión de las listas de referencias de los estudios y la consulta de los artículos de revisión de expertos identificados a través de la búsqueda.

2.2. Criterios de inclusión / exclusión

La inclusión de estudios se basó en estudios originales que describen modelos farmacocinéticos poblacionales de clozapina en voluntarios sanos o en pacientes. Los resúmenes y otras publicaciones no periodísticas solo se incluyeron si se proporcionaron detalles suficientes. Se excluyeron las revisiones, los artículos de metodología, los estudios in vitro y en animales y los estudios que utilizaron un modelo farmacocinético previamente descrito, así como los que incluían análisis no compartimentales. El proceso de selección se describe en la Figura 1 utilizando el diagrama de flujo PRISMA 2009, que se describió anteriormente [13].

2.3. Extracción de datos

Dos revisores independientes extrajeron los datos relevantes de los artículos incluidos mediante un formulario de recopilación de datos prediseñado y cualquier desacuerdo se resolvió mediante discusión. Las variables que se recuperaron de los estudios identificados incluyen primer autor, año de publicación, país, número de sujetos, características de los sujetos (edad, sexo, peso y patología), dosis de clozapina, niveles de clozapina y norclozapina, programa de muestreo y método de ensayo. , número de observaciones, observaciones por paciente, fuente de datos, software utilizado para el modelado, modelo estructural y estadístico, covariables probadas y estadísticamente significativas, y validación del modelo que se clasificó además según el orden creciente de calidad en tres tipos: básico interno, avanzado validación de modelos internos y externos [14].

3. Resultados

3.1. Busqueda de literatura

La estrategia de búsqueda inicial identificó 113 citas potencialmente relevantes, de las cuales 93 permanecieron después de duplicados, y se eliminaron los artículos de tipo revisión. Después de escanear el resumen y el título, se conservaron 15 artículos para la evaluación final. En esta revisión se incluyeron un total de 12 estudios [15-26] publicados entre 1987 y 2019, como se muestra en la Figura 1. Las características de los estudios de las publicaciones, muestras y concentraciones incluidas se resumen en la Tabla 1. El número de participantes del estudio varió de 13 a 391 (mediana: 130), con un total de 1593 en las doce publicaciones con una edad informada que oscila entre los 11 y los 86 años. Sólo tres de los estudios habían incluido sujetos menores de 18 años [20-22]. La mayoría de los estudios se realizaron en pacientes con esquizofrenia.

3.2. Métodos de análisis utilizados en el desarrollo de modelos farmacocinéticos

Se utilizó cromatografía líquida de alta resolución (HPLC) para determinar los niveles séricos de clozapina y norclozapina en todos los estudios incluidos excepto en un estudio [16], en el que se utilizó cromatografía de gases (CG) en su lugar. El número de lecturas de concentración (observaciones) varió de 22 a 1617, con una mediana de 410, y la mediana de observación por paciente fue de 3. La dosis diaria se informó en nueve estudios con una mediana de 291 mg / día (134–540 mg / día) [15-19, 21, 22, 25, 26]. La mayoría de los estudios incluidos utilizaron software NONMEM para el modelo farmacocinético poblacional [18, 20-26].

3.3. Modelo de farmacocinética estructural

La estructura del modelo informada, los parámetros farmacocinéticos y las covariables probadas y retenidas en el modelo final se resumen en la Tabla 2. En once de los estudios incluidos, la absorción de clozapina se describió mejor como de primer orden [15, 16, 18-26]. La tasa de absorción se estimó en seis de los estudios incluidos con una mediana de 0,69 h -1 (0,037-2,26 h -1) [16, 19-21, 25, 26], mientras que se fijó en un cierto valor de la literatura. en cuatro de los estudios [22-24, 26]. Un modelo de un compartimento fue el mejor modelo estructural que describió la farmacocinética poblacional de la clozapina en la mayoría de los estudios [16, 18-23, 25, 26], mientras que el modelo de dos compartimentos se informó en sólo tres estudios [15, 17]. , 24]. La mediana del volumen de distribución informado (Vd) fue 508 L (272-1290 L) [15, 16, 18, 19, 21, 23] para la clozapina y 624 L para la norclozapina [23]. La eliminación se describió mejor como de primer orden en seis de los estudios incluidos [16, 19, 20, 22, 25, 26] con una mediana de aclaramiento (Cl) de 30,3 L / h (14,4-45,2 L / h) para clozapina (norte = 8) y 46,3 l / h (32,7 a 58,9 l / h) para norclozapina (norte = 4). La variabilidad, el error y la validación del modelo se resumen en la Tabla 3. En ocho de los estudios, la variabilidad interindividual (IIV) se modeló utilizando el modelo de error exponencial [18, 20-26]. La mediana (rango) de IIV reportada para clozapina Cl y Vd fue 43.3% (27.1-60.8%) (norte = 7) y 65,7% (10-131,5%) (norte = 5), respectivamente, mientras que para norclozapina Cl y Vd son 47,2% (42,1-60,25%) (norte = 4) y 75,6% [23], respectivamente. El error residual se definió como proporcional [18, 26], aditivo [25] o una combinación de los dos [20-24]. La evaluación del modelo se realizó en siete de los estudios incluidos [20-26] a través de enfoques internos básicos como bondad de ajuste [20, 24] y perfiles logarítmicos de probabilidad (LLP) [22], o enfoques internos avanzados como Jack- técnica de cuchillo [21], error de distribución de predicción normalizada (NPDE) [23, 24, 26], bootstrap [25, 26], verificación predictiva visual (VPC) [25] y verificación predictiva numérica (NPC) [26]. La evaluación externa utilizando un grupo de validación se realizó en un solo estudio [21].

EstudioEnsayoSoftwareModelo de estructuraParámetros farmacocinéticosCovariables probadasCovariables retenidas en el modelo final
ClozapinaNorclozapina
Choc y col. [15]HPLCNONLINModelo bicompartimental con absorción de primer ordenCl = 44,8 l / h
Vd = 363 L
F = 0,94
N / AN / AN / A
Jerling y col. [dieciséis]GCNPMLUn compartimento con absorción y eliminación de primer ordenCl = 45,2 l / h
Vd = 666 L
Ka = 0.096 h −1
N / AEdad, sexo y actividad de CYP1A2Cl más bajo en hembras
Vd más bajo en mujeres
Guitton y col. [17]HPLCN / AModelo de dos compartimentosCl = 44,7 l / h
VC = 7 litros / kg
K10 = 0,087 h −1
K20 = 0,156 h −1
K12 = 1,25 h −1
N / AN / AN / A
Daily et al. [18]HPLCNONMEMModelo de un compartimentoCl = 32,3 l / h
Vd = 272 litros
N / AEdad, peso corporal, altura, actividad de CYP1A2 y dosis diariaCl más alto con mayor actividad de CYP1A2
Doude van Troostwijk y col. [19]HPLCMWPharmUn compartimento con absorción y eliminación de primer ordenVd = 4,3 l / kg
F = 0,42
Ka = 0,98 h −1
Cl = 14,4 l / h
Kmi = 0,037 h −1
N / AActividad de CYP1A2Cl más alto con mayor actividad de CYP1A2
Ng y col. [20]HPLCNONMEMUn compartimento con absorción y eliminación de primer ordenCl = 18 L / h Vd

Valor fijo de la literatura.

EstudioVariabilidad interindividualErrorResidualEvaluación del modelo
ClozapinaNorclozapinaClozapinaNorclozapina
Daily et al. [18]IIV Cl = 27,1%
IIV Vd = 22,5%
N / AProCV = 33,3%N / AN / A
Doude van Troostwijk y col. [19]SD Vd = 1,01 l / kg
DE F = 0,09
Dakota del Sur Ka = 0,01 h −1
SD Cl = 6,31 l / h
Dakota del Sur Kmi = 0,037 h −1
N / AN / AN / AN / AN / A
Ng y col. [20]IIV Cl = 60,8%
IIV Vd = 131,5%
IIV Cl = 60,25%Agregar + ProCV = 11,5%CV = 9,5%Interno básico (bondad de ajuste)
Qiu y col. [21]IIV Cl = 42,2%
IIV Vd = 10%
N / AAgregar + ProSD = 45,8 ng / ml
CV = 26,4%
N / AInterno avanzado (navaja) y externo (grupo de validación)
Ismail y col. [22]IIV Cl = 44,5% IIV Vd = 93,2%IIV Cl = 44,5%Agregar + ProSD = 178,4 ng / mlSD = 101,4 ng / mlInterna básica (LLP)
Li y col. [23]IIV Cl = 42,9%
IIV Vd = 65,7%
IIV Cl = 42,1%
IIV Vd = 75,6%
Agregar + ProDE = 52,9 ng / ml
CV = 26,6%
DE = 36,6 ng / ml
CV = 16,9%
Interno avanzado (NPDE)
Shang y col. [24]IIV Cl = 45,1%
IIV VC = 32.7%
IIV Vpag = 90.3%
IIV

Valor fijo de la literatura.

3.4. Covariables

Se probaron varios factores en el proceso de modelización, como la edad, el sexo, la actividad de CYP1A2, el peso, la altura, la dosis, el tabaquismo, la formulación de clozapina y la coadministración de otros fármacos. Se informó un mayor Cl de clozapina en fumadores en cinco de los estudios incluidos [20, 21, 23, 24, 26], y en hombres en cinco de los estudios informados [16, 20, 22-24], mientras que el sexo no se incluyó como covariable en el modelo final de dos estudios [25, 26]. El efecto de la edad sobre la clozapina Cl fue controvertido. En uno de los estudios incluidos, se ha demostrado que la IC está disminuyendo con el aumento de la edad [22]. Sin embargo, en otros estudios no se ha encontrado ningún efecto significativo de la edad [16, 18, 20, 23-26]. El CYP1A2 se probó como covariable en cuatro de los estudios incluidos en este artículo de revisión [16, 18, 19, 21]. Sin embargo, sólo dos estudios han encontrado que la actividad de CYP1A2 afecta a la clozapina Cl [18, 19].

4. Discusión

El modelado farmacocinético poblacional puede ser paramétrico o no paramétrico.El no paramétrico no asume las formas de las distribuciones de los parámetros subyacentes, mientras que los métodos paramétricos asumen que las distribuciones de los parámetros y los errores siguen distribuciones normales o logarítmicas normales [27]. En esta revisión, los autores se centraron en el enfoque paramétrico. El modelo estructural desarrollado en la mayoría de los estudios fue un modelo de un compartimento con absorción y eliminación de primer orden. Sólo seis estudios [15, 17, 18, 20, 22, 24] investigaron la posibilidad de tener un modelo bicompartimental de clozapina. Sin embargo, en sólo tres estudios, se encontró que un modelo de dos compartimentos era el que mejor se ajustaba a los datos de la clozapina [15, 17, 24]. Estos estudios utilizaron una estrategia de muestreo más estricta durante no menos de 12 horas. Por otro lado, los estudios que concluyen con un modelo de un compartimento involucraron un programa de muestreo de sangre al azar o al azar. Por lo tanto, estos estudios pueden tener menos información necesaria para detectar un modelo bicompartimental de farmacocinética de clozapina.

En la mayoría de los estudios se observó una gran variación intra e interindividual en Cl y Vd, como se ve en la Figura 2. Esto puede deberse a las variaciones intra e interindividuales en los niveles de clozapina y norclozapina [28-30]. Muchos estudios han demostrado una correlación entre la respuesta clínica y el grado de conversión de clozapina en norclozapina [31, 32]. Sin embargo, la farmacocinética de la población de norclozapina solo se evaluó en seis de los estudios incluidos [17, 19, 20, 22, 23, 26]. Se observó un tamaño de muestra inadecuado en muchos de los estudios incluidos, lo que limita su poder para detectar efectos covariables sobre los parámetros farmacocinéticos. Se ha demostrado anteriormente que el sesgo de selección es muy alto para una base de datos pequeña de menos de 50 sujetos con efectos covariables débiles [33], y para un mínimo de 3 observaciones, se recomienda un tamaño de muestra de más de 100 [34]. Sin embargo, la mayoría de los estudios han utilizado solo niveles mínimos o un nivel aleatorio, lo que puede conducir a una evaluación inexacta de las estimaciones de PK individuales, especialmente la constante de tasa de absorción. Además, la evaluación del cumplimiento no se ha llevado a cabo en la mayoría de los estudios para asegurarse de que no se hayan producido cambios en la pauta posológica de clozapina antes de evaluar el perfil farmacocinético en estado estacionario.

Con respecto a las covariables, se demostró que el tabaquismo se asocia con un mayor Cl de clozapina, lo que conduce a una menor concentración de clozapina entre los fumadores [10, 30, 35-40]. Esto podría explicarse por el efecto de inducción del tabaquismo al CYP1A2, que es la principal enzima metabolizadora de la clozapina [19, 41]. No obstante, dejar de fumar ha dado lugar a un aumento de los niveles de clozapina que da lugar al desarrollo de toxicidad [42]. Se encontró que el Cl de norclozapina era más alto en los fumadores [22]. De manera sistemática, se ha informado que los niveles plasmáticos de norclozapina también son más bajos en los fumadores [10, 35, 43]. Sin embargo, estos hallazgos pueden estar algo limitados por el uso del autoinforme del paciente para evaluar el estado del tabaquismo en el que se puede cuestionar la confiabilidad del informe. Además, en todos los estudios, los pacientes se clasificaron en fumadores y no fumadores, sin tener en cuenta la magnitud del tabaquismo ni valorar una lectura biológica objetiva como el nivel sérico de nicotina o cotinina. Los resultados falsos negativos del tabaquismo pueden dar lugar a asociaciones sesgadas entre los parámetros farmacocinéticos y otros factores menos importantes.

Las mujeres tenían un Cl de clozapina más bajo en comparación con los hombres, y esto podría deberse a una menor actividad de CYP1A2 notificada en las mujeres [44]. Se ha demostrado en la mayoría de los estudios que las mujeres tienen niveles significativamente más altos de clozapina, por lo que necesitan una dosis más baja de clozapina en comparación con los hombres [10, 29, 35, 38, 40, 43, 45, 46]. Sólo unos pocos estudios no han encontrado diferencias significativas entre hombres y mujeres con respecto a los niveles de clozapina [9, 37, 39, 47]. Se encontró que el Cl de la norclozapina estaba disminuido en las mujeres en comparación con los hombres [22, 23]. De manera sistemática, se observó una mayor concentración de norclozpina en las mujeres [10, 29, 43, 45], mientras que en un estudio no se encontraron diferencias en los niveles plasmáticos [46]. Las posibles razones de los resultados contradictorios pueden estar relacionadas con la insuficiencia o la desigualdad en los tamaños de las muestras, lo que hace que las diferencias no se detecten.

La asociación entre la edad y los parámetros farmacocinéticos de la clozapina no fue concluyente entre los estudios. En un estudio, se encontró que el efecto de la edad sobre la farmacocinética de la clozapina era significativo [22]. Cabe mencionar que este estudio ha incluido el tamaño de muestra más grande (391 sujetos) incluyendo ancianos, mientras que otros estudios han encontrado una asociación negativa pero habían incluido un tamaño de muestra menor o no incluían ancianos por lo que no alcanzaron el poder suficiente para detectar tal Un efecto. La influencia de la edad puede explicarse por cambios en el flujo sanguíneo hepático, el tamaño o la unión y distribución del fármaco con la edad avanzada [48]. De manera consistente, la asociación entre la edad y las concentraciones plasmáticas de clozapina se ha demostrado a fondo en la literatura [10, 38, 45, 47, 49, 50]. Estos estudios bien diseñados que involucraron un gran tamaño de muestra (más de 15000 muestras [50]) e incluyeron pacientes de edad avanzada han alcanzado el poder estadístico suficiente para presentar resultados confiables en comparación con otros estudios menos capacitados que concluyeron una correlación negativa [9, 29, 35]. Norclozapina Cl ha demostrado disminuir con el aumento de la edad [22], lo que fue consistente con niveles más altos de norclozapina con el aumento de la edad [29, 43], mientras que en otro estudio no se encontró correlación con la edad [23].

El peso en el modelo farmacocinético poblacional incluido no tuvo ningún efecto sobre la farmacocinética de la clozapina, de acuerdo con el hallazgo de la literatura publicada que no observó ningún impacto del peso sobre los niveles de clozapina [45]. Esto fue incompatible con otros estudios que informaron una mayor concentración de clozapina con aumento de peso [10] o índice de masa corporal (IMC) [46], así como la tendencia a la deposición de clozapina en los tejidos grasos que eventualmente podría conducir a una disminución en su Cl [51]. Estos hallazgos se obtuvieron con el uso de solo el peso corporal total (TBW) en lugar de otras medidas de peso corporal, como el peso corporal ajustado (ABW) y el peso corporal ideal (IBW). Se necesita más investigación para concluir el efecto del peso sobre los niveles de clozapina mediante la incorporación de diferentes tipos de peso corporal como TBW, ABW e IBW.

El efecto de la raza no se ha estudiado como una covariable de los parámetros farmacocinéticos de la clozapina y debe considerarse en estudios futuros. En un estudio, se investigó la farmacocinética en estado estacionario de la clozapina entre pacientes maoríes y europeos y no se encontraron diferencias significativas en la concentración de clozapina [52]. Se observaron diferencias en los fenotipos metabólicos de las enzimas del citocromo P450 en diferentes razas / etnias [53]. Como estas enzimas son responsables del metabolismo de la clozapina, la raza podría ser una posible covariable que explique parte de la variabilidad de la PK de la clozapina. De los cuatro estudios que investigaron la actividad de CYP1A2 como covariable de la farmacocinética de la clozapina, la genotipificación se realizó sólo en un estudio, aunque todavía no se pudo incluir como covariable [21]. En los tres estudios restantes, se utilizó la relación clozapina / norclozapina [18], la prueba de cafeína [19] o la distribución de CYP1A2 en otras poblaciones [16] para evaluar la actividad de CYP1A2. En la literatura, la mayoría de los estudios han encontrado efectos significativos de las variaciones genéticas en CYP1A2 sobre el metabolismo de la clozapina y las concentraciones plasmáticas [30, 36, 54-57], así como efectos secundarios [58]. Las puntuaciones de actividad de CYP1A2 corregidas para inductores e inhibidores conocidos se asociaron con el nivel de clozapina ajustado a la dosis [59]. No se pudo encontrar asociación en algunos estudios [60, 61]. En la bibliografía sólo se observó un efecto mínimo de la variación genética de CYP3A4 sobre los niveles plasmáticos de clozapina o la respuesta clínica a la clozapina [54, 55], mientras que en un estudio reciente, se necesitaba una dosis más baja de clozapina para alcanzar niveles terapéuticos en el expresador bajo de CYP3A [ 62]. No se encontró que el polimorfismo genético en el gen de la uridina difosfato glucuronosiltransferasa (UGT) que codifica la enzima responsable de la glucuronidación de clozapina esté asociado con los niveles plasmáticos de clozapina [54]. Sin embargo, en un estudio, se presentó evidencia reciente de asociaciones de polimorfismos UGT y concentración de clozapina [57]. La coadministración de ácido valproico, antidepresivos, antipsicóticos, antidiabéticos y benzodiazepinas se investigó recientemente en un modelo farmacocinético poblacional, pero no se incluyó como covariables [26]. Sin embargo, se investigó el uso concomitante de benzodiazepinas a pesar de que en la bibliografía sólo se informó una interacción farmacodinámica con clozapina [63]. Por otro lado, se encontró que los niveles de clozapina eran más altos en pacientes que recibían inhibidores de CYP1A2, como fluvoxamina [39, 64, 65], inhibidores de CYP2D6 como paroxetina y fluoxetina [64], e inhibidores de CYP3A4 como valproato [64, 66]. . El ketoconazol (inhibidor de CYP3A4) afectó la formación del metabolito N-óxido de clozapina [65]. Por otro lado, se observaron niveles más bajos de clozapina con inductores de CYP3A4 como fenobarbital [64] y carbamazepina [67]. El esomeprazol [59] y la minociclina [68] han explicado la variabilidad de las concentraciones de clozapina.

Las proteínas del casete de unión a ATP (ABC) tienen un papel principal en el transporte de compuestos hidrófilos a través de las membranas extracelulares e intracelulares [69]. La variación genética en ABCB1, conocida como P-glicoproteína 1 o proteína de resistencia a múltiples fármacos 1 (MDR 1) [55, 70], se ha correlacionado con los niveles de clozapina y en una revisión sistemática de los polimorfismos genéticos que afectan a la farmacocinética de la clozapina en 2015, se sugirieron estudios adicionales para confirman este efecto [71]. Estudios recientes han demostrado que ABCC1 [69] y ABCG2 [72] afectan la concentración de clozapina.

La integración del perfil metabólico con la farmacocinética identifica moléculas que pueden ser marcadores potenciales para predecir la variabilidad farmacocinética y, por tanto, diseñar un régimen farmacológico individualizado [73]. Muchos estudios han investigado la asociación entre el perfil metabólico y la farmacocinética de varios fármacos. La clozapina muestra ser un candidato potencial para este tipo de investigaciones ya que se ha encontrado en algunos estudios que la desregulación de lípidos se asoció con la esquizofrenia y los patrones reguladores de la expresión de lípidos y otros metabolitos solubles en agua pueden proporcionar información relacionada con el mecanismo, efecto secundario, y objetivo potencial de los antipsicóticos [74, 75].

El modelado farmacocinético poblacional requiere una selección cuidadosa y un cribado y evaluación iniciales de las posibles covariables basadas en el conocimiento científico (farmacología, biología y fisiopatología) del fármaco y la covariable de interés antes de proceder a la construcción del modelo de covariables [76, 77]. La validación de modelos externos proporciona una evaluación más estricta del rendimiento predictivo de los modelos en comparación con la validación interna. Por tanto, es fundamental realizarlo antes de que los modelos puedan aplicarse en el entorno clínico, por ejemplo, en el ajuste de dosis de clozapina. Sin embargo, la validación externa utilizando un grupo de validación solo se realizó en un estudio [21], por lo tanto, la validación externa de los modelos farmacocinéticos publicados previamente debe realizarse en el futuro para comparar sus resultados predictivos.

5. Conclusión

En conclusión, aunque se incorporaron varias covariables en los modelos de población, la variabilidad farmacocinética siguió siendo relativamente grande. La inclusión de otros factores influyentes, como polimorfismos genéticos, factores metabólicos y posibles interacciones fármaco-fármaco, podría explicar la variabilidad en un modelo farmacocinético poblacional bien diseñado en el futuro, teniendo en cuenta un tamaño de muestra más grande y una estrategia de muestreo más estricta con el fin de ser capaz de evaluar estos factores de manera eficiente. Además, los modelos publicados anteriormente, así como los modelos futuros, deben evaluarse externamente para obtener una descripción más precisa del rendimiento de los modelos.

Conflictos de interés

Los autores declaran no tener ningún conflicto de intereses.

Expresiones de gratitud

Este trabajo fue apoyado por la Beca Puente de la Universiti Sains Malaysia.

Referencias

  1. O. D. Howes, R. McCutcheon, O. Agid et al., "Esquizofrenia resistente al tratamiento: respuesta al tratamiento y resistencia en la psicosis (TRRIP) directrices de consenso del grupo de trabajo sobre diagnóstico y terminología", La Revista Estadounidense de Psiquiatría, vol. 174, no. 3, págs. 216–229, 2017. Ver en: Google Scholar
  2. S. Englisch y M. Zink, "Esquizofrenia resistente al tratamiento: estrategias basadas en evidencia", Monografías de Sana para hombre, vol. 10, no. 1, págs. 20–32, 2012. Ver en: Sitio del editor | Google Académico
  3. C. DeBattista, "Agentes antipsicóticos y litio amperio", en Farmacología básica y clínica, B. G. Katzung, Ed., Págs. 511–531, McGraw-Hill, Nueva York, NY, EE. UU., 2017. Ver en: Google Scholar
  4. R. J. Silvia, L. R. Dufresne y J. C. Ellison, "Schizophrenia", en Terapéutica aplicada: el uso clínico de fármacos, C. S. Zeind y M. G. Carvalho, Eds., Págs. 1780–1812, Lippincott Williams & amp Wilkins, Filadelfia, PA, EE. UU., 2017. Ver en: Google Scholar
  5. C. Greenwood-Smith, D. I. Lubman y D. J. Castle, "Niveles séricos de clozapina: una revisión de su utilidad clínica", Revista de psicofarmacología, vol. 17, no. 2, págs. 234–238, 2003. Ver en: Sitio del editor | Google Académico
  6. B. Eiermann, G. Engel, I. Johansson, U. M. Zanger y L. Bertilsson, "La participación de CYP1A2 y CYP3A4 en el metabolismo de la clozapina", Revista británica de farmacología clínica, vol. 44, no. 44, págs. 439–446, 1997. Ver en: Sitio del editor | Google Académico
  7. M. Kuoppamäki, E. Syvälahti y J. Hietala, "La clozapina y la N-desmetilclozapina son potentes antagonistas del receptor 5-HT1C", Revista europea de farmacología: farmacología molecular, vol. 245, no. 2, págs. 179–182, 1993. Ver en: Sitio del editor | Google Académico
  8. E. Spina, A. Avenoso, G. Facciolà et al., "Relación entre las concentraciones plasmáticas de clozapina y norclozapina y la respuesta terapéutica en pacientes con esquizofrenia resistente a neurolépticos convencionales", Psicofarmacología, vol. 148, no. 1, págs. 83–89, 2000. Ver en: Sitio del editor | Google Académico
  9. P. J. Perry, K. A. Bever, S. Arndt y M. D. Combs, "Relación entre las variables del paciente y las concentraciones plasmáticas de clozapina: un nomograma de dosificación", Psiquiatría biológica, vol. 44, no. 8, págs. 733–738, 1998. Ver en: Sitio del editor | Google Académico
  10. A. Rostami-Hodjegan, A. M. Amin, E. P. Spencer, M. S. Lennard, G. T. Tucker y R. J. Flanagan, "Influencia de la dosis, el tabaquismo, la edad, el sexo y la actividad metabólica en las concentraciones plasmáticas de clozapina". Revista de psicofarmacología clínica, vol. 24, no. 1, págs. 70–78, 2004. Ver en: Sitio del editor | Google Académico
  11. T. K. L. Kiang, C. M. T. Sherwin, M. G. Spigarelli y M. H. H. Ensom, "Fundamentos del modelado farmacocinético de poblaciones", Farmacocinética clínica, vol. 51, no. 8, págs. 515–525, 2012. Ver en: Sitio del editor | Google Académico
  12. A. H. Thomson y B. Whiting, "Estimación de parámetros bayesianos y farmacocinética poblacional", Farmacocinética clínica, vol. 22, no. 6, págs. 447–467, 1992. Ver en: Sitio del editor | Google Académico
  13. D. Moher, A. Liberati, J. Tetzlaff y D. G. Altman, "Elementos de informes preferidos para revisiones sistemáticas y metanálisis: la declaración PRISMA", Medicina PLoS, vol. 6, no. 7, ID de artículo e1000097, 2009. Ver en: Sitio del editor | Google Académico
  14. C. M. T. Sherwin, T. K. L. Kiang, M. G. Spigarelli y M. H. H. Ensom, "Fundamentos del modelado farmacocinético de poblaciones", Farmacocinética clínica, vol. 51, no. 9, págs. 573–590, 2012. Ver en: Sitio del editor | Google Académico
  15. M. G. Choc, R. G. Lehr, F. Hsuan et al., "Farmacocinética de dosis múltiples de clozapina en pacientes", Investigación farmacéutica, vol. 4, no. 5, págs. 402–405, 1987. Ver en: Sitio del editor | Google Académico
  16. M. Jerling, Y. Merlé, F. Mentré y A. Mallet, "Farmacocinética poblacional de la clozapina evaluada con el método no paramétrico de máxima verosimilitud", Revista británica de farmacología clínica, vol. 44, no. 5, págs. 447–453, 2003. Ver en: Sitio del editor | Google Académico
  17. C. Guitton, J.-M. Kinowski, R. Gomeni y F. Bressolle, "Un modelo cinético para el ajuste simultáneo de las concentraciones de clozapina y norclozapina en pacientes esquizofrénicos crónicos durante el tratamiento a largo plazo", Investigación clínica de fármacos, vol. 16, no. 1, págs. 35–43, 1998. Ver en: Sitio del editor | Google Académico
  18. E. Dailly, S. Urien, E. Chanut et al., "Evidencia de un análisis de farmacocinética poblacional de un efecto importante de la actividad de CYP1A2 en las variaciones inter e intraindividuales del aclaramiento de clozapina", Avances en neuropsicofarmacología y psiquiatría biológica, vol. 26, no. 4, págs. 699–703, 2002. Ver en: Sitio del editor | Google Académico
  19. L. J. A. E. Doude van Troostwijk, R. P. Koopmans, H. D. B. Vermeulen y H.-J. Guchelaar, "La actividad de CYP1A2 es un determinante importante de la dosis de clozapina en pacientes esquizofrénicos" Revista europea de ciencias farmacéuticas, vol. 20, no. 4-5, págs. 451–457, 2003. Ver en: Sitio del editor | Google Académico
  20. W. Ng, H. Uchida, Z. Ismail et al., "La exposición a la clozapina y el impacto del tabaquismo y el género: un estudio farmacocinético de la población", Monitoreo de fármacos terapéuticos, vol. 31, no. 3, págs. 360–366, 2009. Ver en: Sitio del editor | Google Académico
  21. X.-W. Qiu, P.-X. Fu, C.-Y. Wang et al., "Investigación de la farmacocinética poblacional de la clozapina en pacientes esquizofrénicos chinos", Yao Xue Xue Bao., vol. 44, no. 7, págs. 785–792, 2009. Ver en: Google Scholar
  22. Z. Ismail, A. M. Wessels, H. Uchida et al., "La edad y el sexo afectan las concentraciones plasmáticas de clozapina en pacientes hospitalizados y ambulatorios con esquizofrenia", La Revista Estadounidense de Psiquiatría Geriátrica, vol. 20, no. 1, págs. 53–60, 2012. Ver en: Sitio del editor | Google Académico
  23. L.-j. Li, D.-w.Shang, W.-b. Li et al., "Farmacocinética poblacional de la clozapina y su principal metabolito norclozapina en pacientes chinos con esquizofrenia", Acta Pharmacologica Sinica, vol. 33, no. 11, págs. 1409–1416, 2012. Ver en: Sitio del editor | Google Académico
  24. D.-W. Shang, L.-J. Li, X.-P. Wang et al., "Modelo farmacocinético / farmacodinámico poblacional de clozapina para caracterizar la relación entre la exposición acumulada y las puntuaciones PANSS en pacientes con esquizofrenia", Monitoreo de fármacos terapéuticos, vol. 36, no. 3, págs. 378–386, 2014. Ver en: Sitio del editor | Google Académico
  25. UN. Li, F. Dong, J.-L. He et al., "La tasa de eliminación después de una sobredosis de clozapina en pacientes chinos con esquizofrenia: un estudio de modelo de farmacocinética poblacional", Farmacopsiquiatria, vol. 48, no. 4-5, págs. 150-155, 2015. Ver en: Sitio para editores | Google Académico
  26. I. Olmos, M. Ibarra, M. Vázquez, C. Maldonado, P. Fagiolino y G. Giachetto, “Farmacocinética poblacional de clozapina y norclozapina y evaluación de intercambiabilidad entre marcas en pacientes uruguayos con esquizofrenia”, BioMed Research International, vol. 2019, ID de artículo 3163502, 10 páginas, 2019. Ver en: Sitio del editor | Google Académico
  27. F. de Velde, J. W. Mouton, B. C. M. de Winter, T. van Gelder y B. C. P. Koch, "Aplicaciones clínicas de modelos farmacocinéticos poblacionales de antibióticos: desafíos y perspectivas", Investigación farmacológica, vol. 134, págs. 280–288, 2018. Ver en: Sitio para editores | Google Académico
  28. J. Lee, R. Bies, H. Takeuchi et al., "Cuantificación de variaciones intraindividuales en los niveles plasmáticos de clozapina", La Revista de Psiquiatría Clínica, vol. 77, no. 5, págs. 681–687, 2016. Ver en: Sitio del editor | Google Académico
  29. Y.-l. Tang, P. Mao, F.-M. Li et al., "Sexo, edad, comportamiento de fumar y concentraciones plasmáticas de clozapina en 193 pacientes chinos con esquizofrenia", Revista británica de farmacología clínica, vol. 64, no. 1, págs. 49–56, 2007. Ver en: Sitio del editor | Google Académico
  30. E. Olsson, G. Edman, L. Bertilsson et al., "Factores genéticos y clínicos que afectan la concentración plasmática de clozapina", El compañero de atención primaria para los trastornos del SNC, vol. 17, no. 1, 2015. Ver en: Sitio del editor | Google Académico
  31. R. J. Flanagan, B. Yusufi y T. R. E. Barnes, "Comparabilidad de las concentraciones de clozapina y norclozapina en sangre total y plasmática", Revista británica de farmacología clínica, vol. 56, no. 1, págs. 135-138, 2003. Ver en: Sitio del editor | Google Académico
  32. M. C. Mauri, L. S. Volonteri, B. Dell’Osso et al., "Predictores del resultado clínico en pacientes esquizofrénicos que responden a la clozapina", Revista de psicofarmacología clínica, vol. 23, no. 6, págs. 660–664, 2003. Ver en: Sitio del editor | Google Académico
  33. J. Ribbing y E. N. Jonsson, "Poder, sesgo de selección y rendimiento predictivo del modelo de covariables farmacocinéticas de la población", Revista de farmacocinética y farmacodinámica, vol. 31, no. 2, págs. 109-134, 2004. Ver en: Sitio del editor | Google Académico
  34. D. Kang, J. B. Schwartz y D. Verotta, "Cálculos del tamaño de la muestra para modelos de población PK / PD", Revista de farmacocinética y farmacodinámica, vol. 32, no. 5-6, págs. 685–701, 2005. Ver en: Sitio del editor | Google Académico
  35. S T. Lee, S. Ryu, H. J. Nam, S.-Y. Lee y K. S. Hong, "Determinación de las propiedades farmacocinéticas de la clozapina y la norclozapina en pacientes con esquizofrenia coreanos", Psicofarmacología clínica internacional, vol. 24, no. 3, págs. 139–144, 2009. Ver en: Sitio del editor | Google Académico
  36. H.-C. Huang, A. C. Lua, L. S.-H. Wu, B.-J. Wu, S.-M. Lee y C.-Z. Liu, "Fumar cigarrillos tiene un efecto diferencial en el nivel plasmático de clozapina en pacientes esquizofrénicos taiwaneses asociado con el polimorfismo de un solo nucleótido del gen CYP1A2-163A / C", Genética psiquiátrica, vol. 26, no. 4, págs. 172-177, 2016. Ver en: Sitio del editor | Google Académico
  37. I. Gaertner, H. J. Gaertner y D. Lampe, “Monitorización de fármacos terapéuticos de clozapina y olanzapina. Similitudes y diferencias," Psicofarmacoterapia, vol. 6, no. 3, págs. 105–109, 1999. Ver en: Google Scholar
  38. S. Ulrich, B. Baumann, R. Wolf et al., "Monitoreo terapéutico de la clozapina y la recaída: un estudio retrospectivo de datos clínicos de rutina", Revista Internacional de Farmacología Clínica y Terapéutica, vol. 41, no. 1, págs. 3–13, 2003. Ver en: Sitio del editor | Google Académico
  39. N. H. Seppälä, E. V. J. Leinonen, M.-L. Lehtonen y K. T. Kivistö, "Las concentraciones séricas de clozapina son más bajas en fumadores que en pacientes esquizofrénicos no fumadores" Farmacología y toxicología, vol. 85, págs. 244–246, 1999. Ver en: Sitio del editor | Google Académico
  40. M. Mayerova, L. Ustohal, J. Jarkovsky, J. Pivnicka, T. Kasparek y E. Ceskova, "Influencia de la dosis, el sexo y el tabaquismo en las concentraciones plasmáticas de clozapina", Enfermedad neuropsiquiátrica y tratamiento, vol. 14, págs. 1535–1543, 2018. Ver en: Sitio del editor | Google Académico
  41. T. Haslemo, P. H. Eikeseth, L. Tanum, E. Molden y H. Refsum, "El efecto del consumo variable de cigarrillos en la interacción con clozapina y olanzapina", Revista europea de farmacología clínica, vol. 62, no. 12, págs. 1049–1053, 2006. Ver en: Sitio del editor | Google Académico
  42. G. Bondolfi, F. Morel, S. Crettol, F. Rachid, P. Baumann y C. B. Eap, "Aumento de las concentraciones plasmáticas de clozapina y efectos secundarios inducidos por el abandono del hábito de fumar en 2 pacientes con genotipo CYP1A2", Monitoreo de fármacos terapéuticos, vol. 27, no. 4, págs. 539–543, 2005. Ver en: Sitio del editor | Google Académico
  43. L. Palego, L. Biondi, G. Giannaccini et al., "Clozapina, niveles plasmáticos de norclozapina, su suma y proporción en 50 pacientes psicóticos", Avances en neuropsicofarmacología y psiquiatría biológica, vol. 26, no. 3, págs. 473–480, 2002. Ver en: Sitio del editor | Google Académico
  44. M. W. Jann, H.-C. Liu, F.-C. Wei et al., "Diferencias de género en los niveles plasmáticos de clozapina y sus metabolitos en pacientes esquizofrénicos", Psicofarmacología humana: clínica y experimental, vol. 12, no. 5, págs. 489–495, 1997. Ver en: Sitio del editor | Google Académico
  45. H.-Y. Lane, Y.-C. Chang, W.-H. Chang, S.-K. Lin, Y.-T. Tseng y M. W. Jann, "Efectos del sexo y la edad en los niveles plasmáticos de clozapina y sus metabolitos", La Revista de Psiquiatría Clínica, vol. 60, no. 1, págs. 36–40, 1999. Ver en: Sitio del editor | Google Académico
  46. S. G. Anderson, M. Livingston, L. Couchman et al., "Diferencias de sexo en las concentraciones plasmáticas de clozapina y norclozapina en la práctica clínica y en relación con el índice de masa corporal y las concentraciones de glucosa plasmática: una encuesta retrospectiva", Anales de psiquiatría general, vol. 14, no. 1, pág. 39, 2015. Ver en: Sitio del editor | Google Académico
  47. S. Bowskill, L. Couchman, J. H. MacCabe y R. J. Flanagan, "Clozapina y norclozapina en plasma en relación con la dosis prescrita y otros factores en pacientes de 65 años o más: datos de un servicio de seguimiento de fármacos terapéuticos, 1996-2010", Psicofarmacología humana: clínica y experimental, vol. 27, no. 3, págs. 277–283, 2012. Ver en: Sitio del editor | Google Académico
  48. J.-F. Schlender, M. Meyer, K. Thelen et al., "Desarrollo de un enfoque farmacocinético fisiológico de todo el cuerpo para evaluar la farmacocinética de los fármacos en personas de edad avanzada", Farmacocinética clínica, vol. 55, no. 12, págs. 1573–1589, 2016. Ver en: Sitio del editor | Google Académico
  49. C. Haring, C. Neudorfer, J. Schwitzer et al., "Alteraciones del EEG en pacientes tratados con clozapina en relación con los niveles plasmáticos", Psicofarmacología, vol. 114, no. 1, págs. 97–100, 1994. Ver en: Sitio del editor | Google Académico
  50. I. Castberg, A. A. Westin, E. Skogvoll y O. Spigset, "Efectos de la edad y el sexo en los niveles séricos de clozapina, olanzapina, risperidona y quetiapina", Acta Psychiatrica Scandinavica, vol. 136, no. 5, págs. 455–464, 2017. Ver en: Sitio del editor | Google Académico
  51. F. J. Díaz, R. C. Josiassen y J. de Leon, "El efecto de los cambios de peso corporal en las concentraciones plasmáticas totales de clozapina determinadas mediante la aplicación de un modelo estadístico a los datos de un ensayo doble ciego", Revista de psicofarmacología clínica, vol. 38, no. 5, págs. 442–446, 2018. Ver en: Sitio para editores | Google Académico
  52. D. B. Menkes, P. Glue, C. Gale, F. Lam, C.-T. Hung y N. Hung, "Farmacocinética de clozapina y norclozapina en estado estacionario en pacientes maoríes y europeos", EBioMedicine, vol. 27, págs. 134-137, 2018. Ver en: Sitio para editores | Google Académico
  53. J. McGraw y D. Waller, "Variaciones del citocromo P450 en diferentes poblaciones étnicas", Opinión de expertos sobre metabolismo de fármacos y toxicología, vol. 8, no. 3, págs. 371–382, 2012. Ver en: Sitio del editor | Google Académico
  54. S T. Lee, S. Ryu, S.-R. Kim et al., "Estudio de asociación de 27 genes anotados para la farmacogenética de la clozapina", Revista de psicofarmacología clínica, vol. 32, no. 4, págs. 441–448, 2012. Ver en: Sitio del editor | Google Académico
  55. E. J. Sirot, B. Knezevic, G. P. Morena et al., "Polimorfismos de ABCB1 y citocromo P450", Revista de psicofarmacología clínica, vol. 29, no. 4, págs. 319–326, 2009. Ver en: Sitio del editor | Google Académico
  56. C. B. Eap, S. Bender, E. J. Sirot et al., "No respuesta a la clozapina y actividad ultrarrápida de CYP1A2", Revista de psicofarmacología clínica, vol. 24, no. 2, págs. 214–219, 2004. Ver en: Sitio del editor | Google Académico
  57. A. F. Pardiñas, M. Nalmpanti, A. J. Pocklington et al., "Variantes farmacogenómicas e interacciones farmacológicas identificadas mediante el análisis genético del metabolismo de la clozapina", Revista estadounidense de psiquiatría, vol. 176, no. 6, págs. 477–486, 2019. Ver en: Sitio del editor | Google Académico
  58. M. Viikki, O. Kampman, N. Seppälä et al., "El polimorfismo CYP1A2 -1545 C & gt T (rs2470890) está asociado con un aumento de los efectos secundarios de la clozapina", Psiquiatría BMC, vol. 14, no. 1, pág. 50, 2014. Ver en: Sitio del editor | Google Académico
  59. D. Lesche, S. Mostafa, I. E La revista de farmacogenómica, vol. 19, no. 5, 2019. Ver en: Google Scholar
  60. J. E. Kootstra-Ros, W. Smallegoor y J. van der Weide, "Los polimorfismos genéticos del citocromo P450 CYP1A2 ∗ 1F y ∗ 1D no afectan el aclaramiento de clozapina en un grupo de pacientes esquizofrénicos" Anales de bioquímica clínica, vol. 42, no. 3, págs. 216–219, 2005. Ver en: Sitio del editor | Google Académico
  61. J. van der Weide, L. S. Steijns y M. J. van Weelden, "El efecto del tabaquismo y el polimorfismo genético del citocromo P450 CYP1A2 sobre el aclaramiento de clozapina y los requisitos de dosis", Farmacogenética, vol. 13, no. 3, págs. 169-172, 2003. Ver en: Sitio del editor | Google Académico
  62. K. Tóth, G. Csukly, D. Sirok et al., "Papel potencial del estado de CYP3A de los pacientes en la farmacocinética de la clozapina", Revista Internacional de Neuropsicofarmacología, vol. 20, no. 7, págs. 529–537, 2017. Ver en: Sitio para editores | Google Académico
  63. A. Klimke y E. Klieser, "Muerte súbita después de la aplicación intravenosa de lorazepam en un paciente tratado con clozapina", Revista estadounidense de psiquiatría, vol. 151, no. 5, pág. 780, 1994. Ver en: Sitio del editor | Google Académico
  64. F. Díaz, V. Santoro, E. Spina et al., "Estimación del tamaño de los efectos de los medicamentos concomitantes sobre las concentraciones plasmáticas de clozapina mediante un modelo que controla las dosis de clozapina y las variables de confusión". Farmacopsiquiatria, vol. 41, no. 3, págs. 81–91, 2008. Ver en: Sitio del editor | Google Académico
  65. M. Murray, W. V. Zhang y R. J. Edwards, "Variación en la respuesta de las vías de biotransformación de la clozapina en microsomas hepáticos humanos a inhibidores selectivos de CYP1A2 y CYP3A4", Farmacología clínica básica y amp, y toxicología amp, vol. 122, no. 4, págs. 388–395, 2018. Ver en: Sitio para editores | Google Académico
  66. A. P. Rajkumar, B. Poonkuzhali, A. Kuruvilla, M. Jacob y K. S. Jacob, "Predictores clínicos de los niveles séricos de clozapina en pacientes con esquizofrenia resistente al tratamiento", Psicofarmacología clínica internacional, vol. 28, no. 1, págs. 50–56, 2013. Ver en: Sitio del editor | Google Académico
  67. M. Jerling, L. Lindström, U. Bondesson y L. Bertilsson, "Inhibición de fluvoxamina e inducción de carbamazepina del metabolismo de la clozapina", Monitoreo de fármacos terapéuticos, vol. 16, no. 4, págs. 368–374, 1994. Ver en: Sitio del editor | Google Académico
  68. H. J. Wehring, T. Elsobky, J. P. McEvoy et al., "Minociclina complementaria en pacientes con esquizofrenia tratados con clozapina: análisis de los efectos de la minociclina en los niveles plasmáticos de clozapina" Psiquiátrico trimestral, vol. 89, no. 1, págs. 73–80, 2018. Ver en: Sitio del editor | Google Académico
  69. I. Piatkov, D. Caetano, Y. Assur et al., "Polimorfismos de un solo nucleótido ABCB1 y ABCC1 en pacientes tratados con clozapina", Farmacogenómica y Medicina personalizada, vol. 10, págs. 235–242, 2017. Ver en: Sitio del editor | Google Académico
  70. G. Consoli, M. Lastella, A. Ciapparelli et al., "Los polimorfismos ABCB1 están asociados con los niveles plasmáticos de clozapina en pacientes psicóticos", Farmacogenómica, vol. 10, no. 8, págs. 1267–1276, 2009. Ver en: Sitio del editor | Google Académico
  71. A. Krivoy, F. Gaughran, A. Weizman, G. Breen y J. H. MacCabe, "Polimorfismos genéticos potencialmente relacionados con la farmacocinética de la clozapina", Psicofarmacología clínica internacional, vol. 31, no. 4, págs. 179–184, 2016. Ver en: Sitio del editor | Google Académico
  72. Y. Akamine, Y. Sugawara-Kikuchi, T. Uno, T. Shimizu y M. Miura, “Cuantificación de las concentraciones plasmáticas en estado estacionario de clozapina y N-desmetilclozapina en pacientes japoneses con esquizofrenia usando un nuevo método de HPLC y el efectos de los polimorfismos de los transportadores CYP y ABC ”, Anales de bioquímica clínica, vol. 54, no. 6, págs. 677–685, 2017. Ver en: Sitio para editores | Google Académico
  73. V. Kantae, E. H. J. Krekels, M. J. Van Esdonk et al., "Integración de la farmacometabolómica con la farmacocinética y la farmacodinamia: hacia una terapia farmacológica personalizada", Metabolómica, vol. 13, no. 1, 2017. Ver en: Sitio del editor | Google Académico
  74. L. Yan, J. Zhou, D. Wang et al., "El perfil lipidómico imparcial revela cambios metabolómicos durante el inicio y el tratamiento con antipsicóticos de la enfermedad de la esquizofrenia", Metabolómica, vol. 14, no. 6, pág. 80, 2018. Ver en: Sitio del editor | Google Académico
  75. B. Cao, M. Jin, E. Brietzke et al., "Perfiles metabólicos en suero utilizando metabolitos moleculares solubles en agua en individuos con esquizofrenia: un estudio longitudinal utilizando un diseño pre-postratamiento", Psiquiatría y neurociencias clínicas, vol. 73, no. 3, págs. 100–108, 2019. Ver en: Sitio del editor | Google Académico
  76. D. R. Mold y R. N. Upton, "Conceptos básicos en el modelado de poblaciones, la simulación y el desarrollo de fármacos basados ​​en modelos: parte 2: introducción a los métodos de modelado farmacocinético", CPT: Farmacometría y farmacología de sistemas amp, vol. 2, no. 4, pág. e38, 2013. Ver en: Sitio del editor | Google Académico
  77. W. Byon, M. K. Smith, P. Chan et al., "Establecimiento de mejores prácticas y orientación en el modelado de poblaciones: una experiencia con una guía de análisis farmacocinético de población interna", CPT: Farmacometría y farmacología de sistemas amp, vol. 2, no. 7, pág. e51, 2013. Ver en: Sitio del editor | Google Académico

Derechos de autor

Copyright & # xa9 2020 Orwa Albitar et al. Este es un artículo de acceso abierto distribuido bajo la licencia de atribución de Creative Commons, que permite el uso, distribución y reproducción sin restricciones en cualquier medio, siempre que el trabajo original se cite correctamente.


Lumley sobre la aprobación de medicamentos para el Alzheimer y el # 8217

La semana pasada discutimos la controvertida aprobación de la FDA de un nuevo fármaco para el Alzheimer. Aquí hay más información sobre el tema del estadístico Thomas Lumley, quien sabe más sobre todo esto que yo:

[El optimismo cauteloso es] una actitud muy sensata, en abstracto: si la droga resulta ser eficaz, podría ser valiosa, pero es demasiado pronto para saber si ese será el caso.Lo sorprendente es que esta es la situación en la que nos encontramos después de que se apruebe el medicamento y cuando su fabricante planea cobrar US $ 56.000 al año por él.

El fármaco (o, técnicamente, el "biológico", ya que es un anticuerpo) ha pasado por muchos altibajos en su historial de ensayos clínicos. Hubo dos ensayos principales que se suponía que debían demostrar que era eficaz. Ellos fallaron. Un nuevo análisis de uno de ellos sugirió que en realidad podría funcionar, al menos para algunos pacientes. Normalmente, esta sería la señal para hacer un ensayo de confirmación para ver si realmente ayuda a un grupo identificable de personas. Y la FDA ordenó este ensayo, pero dejarán que el fabricante venda y promocione el medicamento durante nueve años mientras continúa el ensayo. Dado que el mercado de aducanumab se estima de manera conservadora en decenas de millones de dólares por día, y solo hay una posible desventaja para obtener los resultados de la prueba, es poco probable que la prueba termine un día antes de lo que debe, no es algo inaudito para estas publicaciones. -Ensayos de aprobación para simplemente nunca reclutar suficientes participantes y prolongarse más de lo "permitido".

La FDA recibe el asesoramiento de expertos externos sobre las aprobaciones de medicamentos. En este caso, había 11 personas en el panel. Exactamente ninguno de ellos pensó que había pruebas suficientes para su aprobación, uno era incierto, diez estaban en contra. Desde entonces, tres de los miembros del panel han dimitido. No es sin precedentes que la FDA esté en desacuerdo con el panel cuando el voto del panel está dividido, pero es bastante inusual que estén en desacuerdo con un panel unánime. Es notable que la aprobación de la FDA no dice que piensen que hay evidencia de que el medicamento mejora la memoria o la cognición o la capacidad de vivir de forma independiente ni nada por el estilo. . .

Vi el enlace de Joseph Delaney, quien agrega algunos pensamientos propios.


Paso 4: ¿Hay muchos ceros en los datos?

Elphick y Oring (1998, 2003) investigaron los efectos del manejo de la paja sobre la abundancia de aves acuáticas en los arrozales inundados. Un posible análisis estadístico es modelar el número de aves en función del tiempo, la profundidad del agua, la granja, el método de manejo del campo, la temperatura, etc. Dado que este análisis implica modelar un conteo, GLM es el análisis apropiado. La Figura 7 muestra una gráfica de frecuencia que ilustra la frecuencia con la que se produjo cada valor para la abundancia total de aves acuáticas. El número extremadamente alto de ceros nos dice que no debemos aplicar un Poisson ordinario o un GLM binomial negativo, ya que estos producirían estimaciones de parámetros sesgadas y errores estándar. En su lugar, uno debería considerar GLM cero inflados (Cameron & Trivedi 1998 Zuur et al. 2009a).

Gráfico de frecuencia que muestra el número de observaciones con un cierto número de aves acuáticas para los datos del campo de arroz 718 de 2035 observaciones iguales a cero. Trazar datos para especies individuales daría como resultado frecuencias aún más altas de ceros.

También se pueden analizar datos de múltiples especies simultáneamente utilizando técnicas multivariadas. Para tales análisis, debemos considerar qué significa cuando dos especies están juntas ausentes. Este resultado podría decir algo importante sobre las características ecológicas de un sitio, por ejemplo, que contiene condiciones desfavorables para ambas especies. Por extensión, cuando dos sitios tienen las mismas ausencias conjuntas, esto podría significar que los sitios son ecológicamente similares. Por otro lado, si una especie tiene una distribución muy agrupada, o es simplemente rara, entonces las ausencias conjuntas pueden surgir por casualidad y no decir nada sobre la idoneidad de un sitio dado para una especie, la similitud entre las necesidades de hábitat de las especies o el similitud ecológica de sitios. Una alta frecuencia de ceros, por lo tanto, puede complicar enormemente la interpretación de tales análisis. Independientemente de nuestra actitud hacia las ausencias conjuntas, necesitamos saber si hay dobles ceros en los datos. Esto significa que para cada par de especies, necesitamos calcular la frecuencia con la que ambos tuvieron abundancia cero para la misma observación (por ejemplo, sitio). Podemos presentar esta información en una tabla o utilizar herramientas gráficas avanzadas como un corrgram (Fig. 8 Sarkar 2008). En nuestro ejemplo de aves acuáticas, la frecuencia de dobles ceros es muy alta. Todos los círculos azules corresponden a especies que tienen más del 80% de sus observaciones en conjunto cero. Este resultado es consistente con la biología de las especies estudiadas, la mayoría de las cuales forman grandes bandadas y tienen distribuciones muy agrupadas. Un PCA etiquetaría tales especies como similares, aunque su uso ecológico de los hábitats suele ser bastante diferente (por ejemplo, Elphick y Oring 1998). Los análisis multivariados alternativos que ignoran los dobles ceros se discuten en Legendre y Legendre (1998) y Zuur. et al. (2007) .

Un corrgrama que muestra la frecuencia con la que las parejas de especies de aves acuáticas tienen abundancia cero. El color y la cantidad de relleno de un círculo corresponden a la proporción de observaciones con doble ceros. La diagonal que va de abajo a la izquierda a arriba a la derecha representa el porcentaje de observaciones de una variable igual a cero. Los acrónimos de cuatro letras representan diferentes especies de aves acuáticas. La barra superior relaciona los colores del gráfico con la proporción de ceros.


Publicado por la Royal Society bajo los términos de la licencia de atribución Creative Commons http://creativecommons.org/licenses/by/4.0/, que permite el uso sin restricciones, siempre que se acredite el autor y la fuente originales.

Referencias

. 1983 Las implicaciones ecológicas del tamaño corporal . Cambridge, Reino Unido: Cambridge University Press. Crossref, académico de Google

. 1988 Ecología poblacional de individuos . Princeton, Nueva Jersey: Princeton University Press. Google Académico

Coulson T, Tuljapurkar S, Childs DZ

. 2010 Uso de la demografía evolutiva para vincular la teoría del ciclo de vida, la genética cuantitativa y la ecología de poblaciones. J. Anim. Ecol. 79, 1226-1240. (doi: 10.1111 / j.1365-2656.2010.01734.x) Crossref, PubMed, ISI, Google Académico

Pelletier F, Clutton-Brock T, Pemberton J, Tuljapurkar S, Coulson T

. 2007 La demografía evolutiva del cambio ecológico: vinculación de la variación de rasgos y el crecimiento de la población. Ciencias 315, 1571-1574. (doi: 10.1126 / science.1139024) Crossref, PubMed, ISI, Google Académico

. 2006 La caja de herramientas del biólogo teórico . Cambridge, Reino Unido: Cambridge University Press. Crossref, académico de Google

. 1993 Invariantes de la historia de vida . Londres, Reino Unido: Oxford University Press. Google Académico

Vincenzi S, Crivelli AJ, Munch S, Skaug HJ, Mangel M

. 2016 Compensación entre precisión e interpretabilidad en modelos de crecimiento de efectos aleatorios de von Bertalanffy. Ecol. Apl. 26, 1535-1552. (doi: 10.1890 / 15-1177) Crossref, PubMed, ISI, Google Académico

. 1932 La curva de Gompertz como curva de crecimiento. Proc. Natl Acad. Sci. Estados Unidos 18, 1-8. (doi: 10.1073 / pnas.18.1.1) Crossref, PubMed, Google Académico

. 1825 Sobre la naturaleza de la función expresiva de la ley de la mortalidad humana y sobre un nuevo modo de determinar el valor de las contingencias vitales. Phil. Trans. R. Soc. Lond. 115, 513-583. (doi: 10.1098 / rstl.1825.0026) Enlace, Google Académico

. 1957 Leyes cuantitativas en metabolismo y crecimiento. Q. Rev. Biol. 32, 217-231. (doi: 10.1086 / 401873) Crossref, PubMed, ISI, Google Académico

. 1959 Función de crecimiento para uso empírico. J. Exp. Bot. 10, 290-300. (doi: 10.2307 / 23686557) Crossref, ISI, Google Académico

Brooks ME, Clements C, Pemberton J, Ozgul A

. 2017 Estimación de las trayectorias de crecimiento individual cuando faltan medidas repetidas. Soy. Nat. 190, 377-388. (doi: 10.1086 / 692797) Crossref, PubMed, ISI, Google Académico

Vincenzi S, Mangel M, Crivelli AJ, Munch S, Skaug HJ

. 2014 Determinación de la variación individual en el crecimiento y su implicación para la historia de vida y los procesos poblacionales utilizando el método empírico de Bayes. PLoS Comput. Biol. 10, e1003828. (doi: 10.1371 / journal.pcbi.1003828) Crossref, PubMed, ISI, Google Académico

. 1996 Invariantes de la historia de vida, edad de madurez y trucha ferox. Evol. Ecol. 10, 249-263. (doi: 10.1007 / BF01237683) Crossref, ISI, Google Académico

Satterthwaite WH, Beakes MP, Collins EM, Swank DR, Merz JE, Titus RG, Sogard SM, Mangel M

. 2010 Modelos de historia de vida dependientes del estado en un entorno cambiante (y regulado): trucha arco iris en el Valle Central de California. Evol. Apl. 3, 221-243. (doi: 10.1111 / j.1752-4571.2009.00103.x) Crossref, PubMed, ISI, Google Académico

Inglés S, Bateman AW, Clutton-Brock TH

. 2012 Crecimiento de por vida en suricatos silvestres: incorporación de factores ambientales y del ciclo de vida en un modelo de crecimiento estándar. Oecología 169143-153. (doi: 10.1007 / s00442-011-2192-9) Crossref, PubMed, ISI, Google Académico

Kraak SBM, Haase S, Minto C, Santos J

. 2019 El fenómeno Rosa Lee y sus consecuencias para el asesoramiento pesquero sobre cambios en la mortalidad por pesca o la selectividad de los artes. ICES J. Mar. Sci. 76, 2179-2192. (doi: 10.1093 / icesjms / fsz107) Crossref, ISI, Google Académico

. 2012 Estimación de parámetros de von Bertalanffy con variaciones individuales y ambientales en el crecimiento. J. Biol. Dyn. 2, 3-30. (doi: 10.1080 / 17513758.2012.697195) Crossref, ISI, Google Académico

. 2006 Análisis de datos utilizando modelos de regresión y multinivel / jerárquicos . Cambridge, Reino Unido: Cambridge University Press. Crossref, académico de Google

Harrison XA, Donaldson L, Correa-Cano ME, Evans J, Fisher DN, Goodwin CED, Robinson BS, Hodgson DJ, Inger R

. 2018 Una breve introducción al modelado de efectos mixtos y la inferencia de múltiples modelos en ecología. PeerJ 6, e6794. (doi: 10.7717 / peerj.4794) Crossref, ISI, Google Académico

. 2018 Modelos de crecimiento latente y ecuaciones estructurales dinámicas. Annu. Rev. Clin. Psychol. 14, 55-89. (doi: 10.1146 / annurev-clinpsy-050817-084840) Crossref, PubMed, ISI, Google Académico

. 2013 Estrategias para ajustar modelos ecológicos no lineales en R, AD Model Builder y BUGS. Métodos Ecol. Evol. 4, 501-512. (doi: 10.1111 / 2041-210X.12044) Crossref, ISI, Google Académico

Monnahan CC, Thorson JT, sucursal TA

. 2017 Estimación más rápida de modelos bayesianos en ecología utilizando Montecarlo hamiltoniano. Métodos Ecol. Evol. 8, 339-348. (doi: 10.1111 / 2041-210X.12681) Crossref, ISI, Google Académico

. 1980 Efecto de la variabilidad individual en la ecuación de crecimiento de von Bertalanffy. Poder. J. Fish. Aquat. Sci. 37, 241-247. (doi: 10.1139 / f80-031) Crossref, ISI, Google Académico

. 1995 Contabilización de la variabilidad individual en el modelo de crecimiento de von Bertalanffy. Poder. J. Fish. Aquat. Sci. 1375, 1368-1375. (doi: 10.1139 / f95-132) Crossref, ISI, Google Académico

Shelton AO, Satterthwaite WH, Beakes MP, Munch SB, Sogard SM, Mangel M

. 2013 Separar las contribuciones intrínsecas y ambientales al crecimiento y sus consecuencias poblacionales. Soy. Nat. 181, 799-814. (doi: 10.1086 / 670198) Crossref, PubMed, ISI, Google Académico

Contreras-Reyes JE, López Quintero FO, Wiff R

. Modelado bayesiano 2018 de la variabilidad del crecimiento individual mediante cálculo inverso: aplicación a la anguila rosada (Códigos espaciales de Genypterus) frente a Chile. Ecol. Modell. 385, 145-153. (doi: 10.1016 / j.ecolmodel.2018.07.002) Crossref, ISI, Google Scholar

Vincenzi S, Mangel M, Jesensek D, Garza JC, Crivelli AJ

. 2016 Variación dentro y entre poblaciones de las tasas vitales y la dinámica de la población en un entorno variable. Ecol. Apl. 26, 2086-2102. (doi: 10.1890 / 15-1808.1) Crossref, PubMed, ISI, Google Académico

Vincenzi S, Jesenšek D, Crivelli AJ

. 2018 Un marco para estimar los determinantes de la variación espacial y temporal de las tasas vitales e inferir la ocurrencia de eventos extremos no observados. R. Soc. Abrir Sci. 5, 171087. (doi: 10.1098 / rsos.171087) Enlace, ISI, Google Scholar

Vincenzi S, Mangel M, Jesensek D, Garza JC, Crivelli AJ

. 2017 Las consecuencias genéticas y de la historia de vida de los eventos climáticos extremos. Proc. R. Soc. B 284, 20162118. (doi: 10.1098 / rspb.2016.2118) Enlace, ISI, Google Académico

Vincenzi S, Crivelli AJ, Jesensek D, De Leo GA

. 2010 Crecimiento individual y sus implicaciones para la dinámica de reclutamiento de la trucha marmórea que habita en arroyos (Salmo marmoratus) . Ecol. Freshw. Pez 19, 477-486. (doi: 10.1111 / j.1600-0633.2010.00441.x) Crossref, ISI, Google Académico

. 2008 Una revisión de los componentes genéticos cuantitativos de la aptitud en los salmónidos: implicaciones para la adaptación a cambios futuros. Evol. Apl. 1, 222-238. (doi: 10.1111 / j.1752-4571.2008.00025.x) Crossref, PubMed, ISI, Google Académico

Vincenzi S, Crivelli AJ, Giske J, Satterthwaite WH, Mangel M

. 2012 Consecuencias selectivas de las catástrofes para las tasas de crecimiento de un salmónido que habita en arroyos. Oecología 168, 393-404. (doi: 10.1007 / s00442-011-2096-8) Crossref, PubMed, ISI, Google Académico

Vincenzi S, Crivelli AJ, Satterthwaite WH, Mangel M

. 2014 Dinámica ecoevolutiva inducida por eventos de mortalidad masiva. J. Fish Biol. 85, 8-30. (doi: 10.1111 / jfb.12382) Crossref, PubMed, ISI, Google Académico

Kristensen K, Nielsen A, Berg CW, Skaug H, Bell BM

. 2016 TMB: diferenciación automática y aproximación de Laplace. J. Stat. Softw. 70, 1-21. (doi: 10.18637 / jss.v070.i05) Crossref, ISI, Google Académico

Vincenzi S, Crivelli AJ, Jesensek D, Campbell E, Garza JC

. 2019 Efectos de la invasión de especies en la dinámica poblacional, tasas vitales e historias de vida de las especies nativas. Popul. Ecol. 61, 25-34. (doi: 10.1101 / 177741) Crossref, ISI, Google Académico

Vincenzi S, Crivelli AJ, Jesensek D, Rossi G, De Leo GA

. 2011 ¿Inocente hasta que se demuestre lo contrario? Coexistencia estable de truchas arcoíris exóticas y truchas marmóreas autóctonas en un arroyo esloveno. Naturwissenschaften 98, 57-66. (doi: 10.1007 / s00114-010-0741-4) Crossref, PubMed, ISI, Google Académico

. 1955 Marcado de smolts de salmón en el río Lagan. Rep. Inst. Freshw. Res. Drottn 36, 57-74. Google Académico

. 1975 Computación e interpretación de estadísticas biológicas de poblaciones de peces. En Toro. Pez. Res. Junta puede., Boletín 191. Google Scholar

. 1980 Moción para el retiro de la función de von Bertalanffy. Poder. J. Fish. Aquat. Sci. 37127-129. (doi: 10.1139 / f80-016) Crossref, ISI, Google Académico

Lester NP, Shuter BJ, Abrams PA

. 2004 Interpretación del modelo de von Bertalanffy de crecimiento somático en peces: el costo de reproducción. Proc. R. Soc. B 271, 1625-1631. (doi: 10.1098 / rspb.2004.2778) Enlace, ISI, Google Académico

. 1984 Ajuste de ecuaciones sigmoideas a curvas de crecimiento de mamíferos. J. Mammal. 65, 607-636. (doi: 10.2307 / 1380844) Crossref, ISI, Google Académico

. 1992 Patrones de supervivencia, crecimiento y maduración en serpientes y lagartos. Soy. Nat. 139, 1257. (doi: 10.1086 / 285385) Crossref, ISI, Google Académico

. 1998 Crecimiento y desarrollo aviar: evolución dentro del espectro altricial-precocial . Oxford, Reino Unido: Oxford University Press. Google Académico

Essington TE, Kitchell JF, Walters CJ

. 2001 La función de crecimiento de von Bertalanffy, la bioenergética y las tasas de consumo de pescado. Poder. J. Fish. Aquat. Sci. 58, 2129-2138. (doi: 10.1139 / f01-151) Crossref, ISI, Google Académico

. 2017 El uso de modelos de Gompertz en análisis de crecimiento y el nuevo enfoque del modelo de Gompertz: una adición a la familia Unified-Richards. Más uno 12, 1-17. (doi: 10.1371 / journal.pone.0178691) Crossref, ISI, Google Académico

. 2010 Un enfoque unificado de la familia de modelos de Richards para su uso en análisis de crecimiento: por qué solo necesitamos dos formas de modelo. J. Theor. Biol. 267, 417-425. (doi: 10.1016 / j.jtbi.2010.09.008) Crossref, PubMed, ISI, Google Académico

. 1987 La fundación biológica del modelo de Gompertz. En t. J. Biomed. Computación. 20, 35-39. (doi: 10.1016 / 0020-7101 (87) 90012-2) Crossref, PubMed, Google Académico

Beddington JR, Kirkwood GP

. 2005 La estimación del rendimiento potencial y el estado de la población utilizando parámetros de historia de vida. Phil. Trans. R. Soc. B 360, 163-170. (doi: 10.1098 / rstb.2004.1582) Enlace, ISI, Google Académico

Katsanevakis S, Maravelias CD

. 2008 Modelado del crecimiento de los peces: inferencia multimodelo como una mejor alternativa a priori utilizando la ecuación de von Bertalanffy. Pescado Pescado. 9178-187. (doi: 10.1111 / j.1467-2979.2008.00279.x) Crossref, ISI, Google Académico

Lunn DJ, Thomas A, Mejor N, Spiegelhalter D

. 2000 WinBUGS: un marco de modelado bayesiano: conceptos, estructura y extensibilidad. Stat. Computación. 10, 325-337. (doi: 10.1023 / A: 1008929526011) Crossref, ISI, Google Académico

. 2003 JAGS: un programa para el análisis de modelos gráficos bayesianos utilizando muestreo de Gibbs. En Proc. del 3er Int. Workshop on Distributed Statistical Computing (DSC 2003) (eds

Hornik K, Leisch F, Zeileis A

. 2017 Stan: un lenguaje de programación probabilístico. J. Stat. Softw. 76, 1-32. (doi: 10.18637 / jss.v076.i01) Crossref, ISI, Google Académico

Bolker BM, Brooks ME, Clark CJ, Geange SW, Poulsen JR, Stevens MHH, White J-SS

. 2009 Modelos lineales mixtos generalizados: una guía práctica para la ecología y la evolución. Tendencias Ecol. Evol. 24127-135. (doi: 10.1016 / j.tree.2008.10.008) Crossref, PubMed, ISI, Google Académico

. 2018 Modelado multinivel bayesiano avanzado con el paquete R brms. R J. 10, 395. (doi: 10.32614 / RJ-2018-017) Crossref, ISI, Google Académico

de Valpine P, Turek D, Paciorek CJ, Anderson-Bergman C, Lang DT, Bodik R

. 2017 Programación con modelos: redacción de algoritmos estadísticos para estructuras de modelos generales con NIMBLE. J. Comput. Grafico. Stat. 26, 403-413. (doi: 10.1080 / 10618600.2016.1172487) Crossref, ISI, Google Académico

Salvatier J, Wiecki TV, Fonnesbeck C

. 2016 Programación probabilística en Python usando PyMC3. PeerJ Comput. Sci. 2, e55. (doi: 10.7717 / peerj-cs.55) Crossref, ISI, Google Académico

Fournier DA, Skaug HJ, Ancheta J, Ianelli J, Magnusson A, Maunder MN, Nielsen A, Sibert J

. 2012 AD model builder: uso de la diferenciación automática para la inferencia estadística de modelos no lineales complejos altamente parametrizados. Optim. Métodos Softw. 27, 233-249. (doi: 10.1080 / 10556788.2011.597854) Crossref, ISI, Google Académico

van de Wiel MA, Te Beest DE, Münch MM

. 2019 Aprendiendo de mucho: Bayes empírico para la predicción basada en modelos de alta dimensión. Scand. J. Stat. 46, 2-25. (doi: 10.1111 / sjos.12335) Crossref, PubMed, ISI, Google Académico

. 1997 El detective ecologista . Princeton, Nueva Jersey: Princeton University Press. Google Académico

. 2018 Muestreo sin vueltas en U para inferencia bayesiana rápida en ADMB y TMB: Presentación de los paquetes adnuts y tmbstan R. Más uno 13, e0197954. (doi: 10.1371 / journal.pone.0197954) Crossref, PubMed, ISI, Google Académico

. 2010 ¿Explicar o predecir? Stat. Sci. 25, 289-310. (doi: 10.1214 / 10-STS330) Crossref, ISI, Google Académico

. 2019 Inferencia predictiva y reproducibilidad científica. Soy. Stat. 73, 291-295. (doi: 10.1080 / 00031305.2018.1518270) Crossref, ISI, Google Académico

. 2013 El jardín de los senderos que se bifurcan: por qué las comparaciones múltiples pueden ser un problema, incluso cuando no hay una "expedición de pesca" o "p-piratería" y la hipótesis de investigación se planteó con anticipación. Ver http://www.stat.columbia.edu/

Bell A, Fairbrother M, Jones K

. Modelos de efectos fijos y aleatorios de 2019: tomar una decisión informada. Qual. Quant. 53, 1051-1074. (doi: 10.1007 / s11135-018-0802-x) Crossref, Google Académico

. 1974 Una nueva mirada a la identificación del modelo estadístico. IEEE Trans. Aparato mecánico. Contr. 19, 716-723. (doi: 10.1109 / TAC.1974.1100705) Crossref, ISI, Google Académico

. 1959 Conexión entre madurez, talla y edad en peces. Rep. Inst. Freshw. Res. Drottn. 40, 5-145. Google Académico

Letcher BH, Coombs JA, Nislow KH

. 2011 Mantenimiento de la variación fenotípica: repetibilidad, heredabilidad y procesos dependientes del tamaño en una población salvaje de trucha de arroyo. Evol. Apl. 4, 602-615. (doi: 10.1111 / j.1752-4571.2011.00184.x) Crossref, PubMed, ISI, Google Académico

Gilmour KM, Dibattista JD, Thomas JB

. 2005 Causas fisiológicas y consecuencias del estatus social en los salmónidos. Integr. Comp. Biol. 45, 263-273. (doi: 10.1093 / icb / 45.2.263) Crossref, PubMed, ISI, Google Académico

. 1982 Evaluación de algunos modelos matemáticos de crecimiento tumoral. En t. J. Biomed. Computación. 13, 19-35. (doi: 10.1016 / 0020-7101 (82) 90048-4) Crossref, PubMed, Google Académico

. 2002 Comparación de tres modelos de regresión no lineal y spline para describir las curvas de crecimiento de los pollos. Pavipollo. Sci. 81, 1782-1788. (doi: 10.1093 / ps / 81.12.1782) Crossref, PubMed, ISI, Google Académico

Buchanan RL, Whiting RC, Damert WC

. 1997 Cuándo es lo suficientemente simple: una comparación de los modelos lineales de Gompertz, Baranyi y de tres fases para ajustar las curvas de crecimiento bacteriano. Microbiol de alimentos. 14, 313-326. (doi: 10.1006 / fmic.1997.0125) Crossref, ISI, Google Académico

Gbangboche AB, Glele-Kakai R, Salifou S, Albuquerque LG, Leroy PL

. 2008 Comparación de modelos de crecimiento no lineal para describir la curva de crecimiento en ovejas enanas de África occidental. Animal 2, 1003-1012. (doi: 10.1017 / S1751731108002206) Crossref, PubMed, ISI, Google Académico

. 2016 Expresiones de genes sexualmente dimórficos en anguilas: marcadores útiles para la evaluación temprana del sexo en un contexto de conservación. Sci. Reps. 6, 1-11. (doi: 10.1038 / srep34041) Crossref, PubMed, ISI, Google Académico

Norton L, Simon R, Brereton HD, Bogden AE

. 1976 Predicción del curso del crecimiento gompertziano. Naturaleza 264, 542-545. (doi: 10.1038 / 264542a0) Crossref, PubMed, ISI, Google Académico

. 1982 Enfoque bayesiano para un modelo de crecimiento no lineal. Biometria 38, 953-961. (doi: 10.2307 / 2529875) Crossref, PubMed, ISI, Google Académico

. 1980 Un nuevo enfoque del análisis de la frecuencia de tallas: estructura de crecimiento. Poder. J. Fish. Aquat. Sci. 37, 1337-1351. (doi: 10.1139 / f80-172) Crossref, ISI, Google Académico

Shohoji T, Kanefuji K, Sumiya T, Qin T

. 1991 Una predicción del crecimiento individual de la altura según un enfoque empírico bayesiano. Ana. Inst. Stat. Matemáticas. 43, 607-619. (doi: 10.1007 / BF00121642) Crossref, ISI, Google Académico

. 2010 Heredabilidad inclusiva: combinación de información genética y no genética para estudiar el comportamiento y la cultura animal. Oikos 119, 210-218. (doi: 10.1111 / j.1600-0706.2009.17640.x) Crossref, ISI, Google Académico


¿Qué es el análisis estadístico?

Primero, aclaremos & # 8217s que & # 8220 análisis estadístico & # 8221 es solo la segunda forma de decir & # 8220 estadísticas & # 8221 Ahora, la definición oficial:

El análisis estadístico es un estudio, una ciencia de coleccionando , organizar, explorar, interpretar y presentar datos y descubrir patrones y tendencias .

Muchas empresas confían en el análisis estadístico y cada vez es más importante. Una de las principales razones es que los datos estadísticos se utilizan para predecir tendencias futuras y minimizar riesgos.

Además, si miras a tu alrededor, verás una gran cantidad de productos (tu teléfono móvil por ejemplo) que se han mejorado gracias a los resultados de la investigación y el análisis estadístico.

Estos son algunos de los campos en los que las estadísticas juegan un papel importante:

    métodos de recopilación de datos y análisis
  • Inteligencia de Negocio
  • Análisis de los datos
  • SEO y optimización para la intención de búsqueda del usuario
  • Análisis financiero y muchos otros.

Las estadísticas permiten a las empresas profundizar en información específica para ver las situaciones actuales, las tendencias futuras y tomar las decisiones más adecuadas.

Hay dos tipos clave de análisis estadístico: descriptivo e inferencia.

Los dos tipos principales de análisis estadístico

En el mundo real del análisis, al analizar la información, es normal utilizar estadísticas tanto descriptivas como inferenciales.

Comúnmente, en muchas investigaciones realizadas en grupos de personas (como la investigación de mercados para definir segmentos de mercado), se utilizan estadísticas tanto descriptivas como inferenciales para analizar resultados y llegar a conclusiones.

¿Qué es la estadística descriptiva e inferencial? ¿Cuál es la diferencia entre ellos?

Tipo descriptivo de análisis estadístico

Como sugiere el nombre, ¡la estadística descriptiva se usa para describir! Describe las características básicas de la información y muestra o resume los datos de forma racional. La estadística descriptiva es un estudio de descripción cuantitativa.

Este tipo de estadísticas extrae todos los datos de una determinada población (una población es un grupo completo, es cada miembro de este grupo) o una muestra del mismo. Las estadísticas descriptivas pueden incluir números, cuadros, tablas, gráficos u otros tipos de visualización de datos para presentar datos sin procesar.

Sin embargo, las estadísticas descriptivas no permiten sacar conclusiones. No se pueden sacar conclusiones y hacer generalizaciones que se extiendan más allá de los datos disponibles. Con las estadísticas descriptivas, simplemente puede describir qué es y qué presentan los datos.

Por ejemplo, si tiene una población de datos que incluye 30 trabajadores en un departamento comercial, puede encontrar el promedio de ese conjunto de datos para esos 30 trabajadores. Sin embargo, no puede descubrir cuál es el promedio final para todos los trabajadores de toda la empresa que utilizan solo esos datos. Imagínese, esta empresa tiene 10 000 trabajadores.

A pesar de eso, este tipo de estadísticas es muy importante porque nos permite mostrar datos de manera significativa. También nos puede dar la capacidad de realizar una interpretación simple de los datos.

Además, nos ayuda a simplificar grandes cantidades de datos de forma razonable.

Tipo inferencial de análisis estadístico

Como ves arriba, la principal limitación de la estadística descriptiva es que solo te permite hacer sumas sobre los objetos o personas que has medido.

Es una limitación seria. Aquí es donde vienen las estadísticas inferenciales.

La estadística inferencial es el resultado de estimaciones matemáticas más complicadas y nos permite inferir tendencias sobre una población más grande a partir de muestras de "sujetos" extraídas de ella.

Este tipo de análisis estadístico se utiliza para estudiar las relaciones entre las variables dentro de una muestra, y puede hacer conclusiones, generalizaciones o predicciones sobre una población más grande. En otras palabras, la muestra representa con precisión a la población.

Además, las estadísticas de inferencia permiten a las empresas y otras organizaciones probar una hipótesis y llegar a conclusiones sobre los datos.

Una de las razones clave de la existencia de estadísticas inferenciales es que, por lo general, es demasiado costoso estudiar una población completa de personas u objetos.

Para resumir los dos tipos principales de análisis estadístico anteriores, podemos decir que se utilizan estadísticas descriptivas para describir datos. La estadística inferencial va más allá y se utiliza para inferir conclusiones e hipótesis.

Otros tipos de estadísticas

Si bien los dos tipos de análisis estadístico anteriores son los principales, también hay otros tipos importantes que todo científico que trabaja con datos debería conocer.

Análisis predictivo

Si desea hacer predicciones sobre eventos futuros, lo que necesita es el análisis predictivo. Este análisis se basa en hechos históricos y actuales.

El análisis predictivo utiliza algoritmos estadísticos y técnicas de aprendizaje automático para definir la probabilidad de resultados, comportamiento y tendencias futuros en función de datos nuevos e históricos.

El marketing basado en datos, los servicios financieros, los proveedores de servicios en línea y las compañías de seguros se encuentran entre los principales usuarios del análisis predictivo.

Cada vez más empresas están comenzando a implementar análisis predictivos para aumentar la ventaja competitiva y minimizar el riesgo asociado con un futuro impredecible.

La analítica predictiva puede utilizar una variedad de técnicas como minería de datos, modelado, inteligencia artificial, aprendizaje automático, etc. para hacer predicciones importantes sobre el futuro.

Es importante señalar que ningún método estadístico puede "predecir" el futuro con un 100% de seguridad. Las empresas utilizan estas estadísticas para responder la pregunta & # 8220 ¿Lo que podría suceder? & # 8220. Recuerde que la base del análisis predictivo se basa en probabilidades.

Análisis prescriptivo

La analítica prescriptiva es un estudio que examina datos para responder la pregunta " ¿Lo que debe hacerse? ”Es un área común de análisis empresarial dedicada a identificar la mejor película o acción para una situación específica.

La analítica prescriptiva tiene como objetivo encontrar las recomendaciones óptimas para un proceso de toma de decisiones. Se trata de dar consejos.

La analítica prescriptiva está relacionada con la analítica descriptiva y predictiva. Mientras que la analítica descriptiva describe lo que ha sucedido y la analítica predictiva ayuda a predecir lo que podría suceder, la estadística prescriptiva tiene como objetivo encontrar las mejores opciones entre las opciones disponibles.

La analítica prescriptiva utiliza técnicas como simulación, análisis de gráficos, reglas comerciales, algoritmos, procesamiento de eventos complejos, motores de recomendación y aprendizaje automático.

Análisis causal

Cuando desee comprender e identificar las razones por las que las cosas son como son, el análisis causal viene a ayudar. Este tipo de análisis responde a la pregunta & # 8220 ¿Por qué? & # 8221

El mundo empresarial está lleno de eventos que conducen al fracaso. El causal busca identificar las razones del por qué? Es mejor encontrar las causas y tratarlas en lugar de tratar los síntomas.

El análisis causal busca la causa raíz y # 8211 la razón básica por la que sucede algo.

El análisis de las causas es una práctica común en las industrias que abordan desastres importantes. Sin embargo, se está volviendo más popular en el negocio, especialmente en el campo de TI. Por ejemplo, el análisis causal es una práctica común en el aseguramiento de la calidad en la industria del software.

Entonces, vamos a sumar & # 8217s los objetivos del análisis casual:

  • Identificar áreas de problemas clave.
  • Investigar y determinar la causa raíz.
  • Entender lo que le sucede a una variable dada si cambia otra.

Análisis de datos exploratorios (EDA)

El análisis de datos exploratorios (EDA) es un complemento de las estadísticas inferenciales. Es utilizado principalmente por científicos de datos.

EDA es un enfoque de análisis que se centra en identificar patrones generales en los datos y encontrar relaciones previamente desconocidas.

El propósito del análisis exploratorio de datos es:

  • Verifique errores o datos faltantes.
  • Descubra nuevas conexiones.
  • Recopile la máxima información sobre el conjunto de datos.
  • Verifique suposiciones e hipótesis.

La EDA sola no debe usarse para generalizar o predecir. EDA se utiliza para obtener una vista panorámica de los datos y tratar de darles algún sentido. Por lo general, es el primer paso en el análisis de datos, realizado antes que otras técnicas estadísticas formales.

Análisis mecanicista

El análisis mecanicista no es un tipo común de análisis estadístico. Sin embargo, vale la pena mencionarlo aquí porque, en algunas industrias, como el análisis de big data, tiene un papel importante.


El análisis mecanicista trata de comprender los cambios exactos en determinadas variables que conducen a cambios en otras variables. Sin embargo, el mecanicista no considera las influencias externas. El supuesto es que un sistema dado se ve afectado por la interacción de sus propios componentes.

Es útil en aquellos sistemas para los que existen definiciones muy claras. La ciencia biológica, por ejemplo, puede hacer uso.


D ECIDIR UNA PRUEBA ESTADÍSTICA

La selección de la prueba estadística antes de que comience el estudio garantiza que los resultados del estudio no influyan en la selección de la prueba.

La decisión de realizar una prueba estadística se basa en la pregunta científica a responder, la estructura de los datos y el diseño del estudio. Antes de que se registren los datos y se seleccione la prueba estadística, se debe formular la pregunta a responder y la hipótesis nula. La prueba y el nivel de significancia deben especificarse en el protocolo del estudio antes de realizar el estudio. Debe decidirse si la prueba debe ser de una o de dos colas. Si la prueba es de dos colas, esto significa que no se asume una dirección particular de diferencia esperada. No se sabe si existe una diferencia entre el nuevo fármaco y el placebo con respecto a la eficacia. No está claro en qué dirección puede estar la diferencia. (Es posible que el nuevo fármaco incluso funcione peor que el placebo). Una prueba de una cola solo debe realizarse cuando hay evidencia clara de que la intervención solo debe actuar en una dirección. La variable de resultado (punto final) se define al mismo tiempo que se formula la pregunta a responder. Tres criterios son determinantes para la selección de la prueba estadística, que son los siguientes:

tipos de datos / nivel de medición (continuo, binario, categórico) y

el tipo de diseño del estudio (pareado o no pareado).

El número de variables sobre las que se realizará la prueba

Las pruebas y los procedimientos estadísticos se pueden dividir de acuerdo con el número de variables que están diseñados para analizar. Por lo tanto, al elegir una prueba, es importante considerar cuántas variables se desean analizar. Un conjunto de pruebas se utiliza en variables individuales (a menudo denominadas estadísticas descriptivas), un segundo conjunto se utiliza para analizar la relación entre dos variables y un tercer conjunto se utiliza para modelar relaciones multivariables (es decir, relaciones entre tres o más variables).

Tipos de datos: continuos, categóricos o binarios

Por ejemplo, en la comparación de dos fármacos antihipertensivos, el criterio de valoración puede ser el cambio en la PA en los dos grupos de tratamiento. El cambio en la PA es un criterio de valoración continuo. También es necesario distinguir si un punto final continuo está distribuido (aproximadamente) normalmente o no.

Sin embargo, si solo se considera si la PA diastólica cae por debajo de 90 mm Hg o no, el criterio de valoración es categórico. Es binario, ya que solo hay dos posibilidades. Si hay una secuencia significativa en los puntos finales categóricos, esto puede describirse como un & # x0201 punto final cordinal & # x0201d, por ejemplo, los niveles de satisfacción con el servicio van desde muy insatisfecho hasta muy satisfecho también, las puntuaciones de actitud representan el grado de satisfacción o confianza y preferencia puntuaciones de calificación.

Diseños de estudio emparejados y no emparejados

Se utiliza una prueba estadística para comparar los resultados del criterio de valoración en diferentes condiciones de prueba (como tratamientos). A menudo hay dos terapias. Si se pueden obtener resultados para cada paciente en todas las condiciones experimentales, el diseño del estudio es emparejado (dependiente). Por ejemplo, se pueden comparar dos tiempos de medición, o los dos grupos se pueden emparejar con respecto a otras características.

Los ejemplos típicos de pares son los estudios realizados en un ojo o en un brazo de la misma persona. Los diseños típicos emparejados incluyen comparaciones antes y después del tratamiento. Por ejemplo, & # x0201cpares coincidentes & # x0201d en el caso & # x02013, los estudios de control son un caso especial. Éstos implican seleccionar un grupo en el que cada tema se empareja con un tema en particular en el otro grupo y necesitan que los dos grupos tengan el mismo tamaño. Entonces, los datos ya no son independientes y deben tratarse como si fueran observaciones emparejadas de un grupo. [2]

Con un diseño de estudio no apareado o independiente, los resultados de cada paciente solo están disponibles bajo un único conjunto de condiciones. Luego se comparan los resultados de dos (o más) grupos. Los tamaños de los grupos pueden ser iguales o diferentes.


Conclusiones

El estudio hizo un intento razonable de describir el patrón de crecimiento entre los niños menores de cinco años junto con la desigualdad en el retraso del crecimiento, el bajo peso y la emaciación entre los niños de las zonas urbanas de la India. De este estudio surgen varias observaciones importantes. Primero, durante 2005-06 y 2015-16, los factores maternos (específicamente la educación de la madre) fueron los factores que más contribuyeron a explicar la desigualdad entre ricos y pobres en el retraso del crecimiento y el bajo peso entre los niños urbanos. En segundo lugar, los factores maternos fueron los factores que más contribuyeron a explicar la emaciación entre los niños durante 2005-06; sin embargo, los factores ambientales (específicamente la defecación al aire libre) se convirtieron en los factores que más contribuyeron a explicar la desigualdad entre ricos y pobres en la emaciación entre los niños durante 2015-16. . En tercer lugar, más del 85% de la desigualdad en el retraso del crecimiento, la insuficiencia ponderal y la emaciación entre los niños urbanos se explica por factores maternos, factores ambientales y factores relacionados con la búsqueda de la salud. En cuarto lugar, el retraso del crecimiento entre los niños alcanza su punto máximo al final de los 2 años de edad.

La desigualdad entre ricos y pobres en la desnutrición exige que se aceleren las intervenciones de políticas destinadas a reducir la pobreza en las zonas urbanas. También es necesario proporcionar educación masiva sobre nutrición y salud, además de centrarse en los factores correlativos que tienen como objetivo mejorar la educación de la madre. Los factores ambientales también promovieron la desigualdad en el retraso del crecimiento, la emaciación y el bajo peso en los niños urbanos. Es necesario centrar el enigma de la defecación al aire libre en la India. Después del lanzamiento de la Misión Swachh Bharat en 2014, el gobierno de la India se ha centrado mucho en la construcción de letrinas domésticas individuales [6]. A pesar de tener acceso a letrinas, las personas prefieren defecar al aire libre [3, 8, 18, 32]. Es necesario promover el uso de letrinas entre las masas indígenas. Es necesario lograr un cambio en los aspectos de comportamiento y las preferencias de las personas para promover el uso de letrinas. Se alientan las actividades de información, educación y comunicación (IEC) para acabar con la desigualdad económica en el retraso del crecimiento, la insuficiencia ponderal y la emaciación entre los niños urbanos. Dado que la deficiencia cognitiva y del desarrollo resultante de la desnutrición puede ser significativamente irreversible después de los dos años de edad [7], se entiende que la "ventana de oportunidad" para prevenir la desnutrición termina a los dos años de edad. Por lo tanto, se alienta a que los encargados de la formulación de políticas se orienten de manera uniforme a los niños en los programas de nutrición, con énfasis en los niños menores de dos años.

Se debe dar prioridad a todas las intervenciones específicas y sensibles a la nutrición en las zonas urbanas, centrándose en los pobres de las zonas urbanas, que a menudo se agrupan en barrios marginales de bajos ingresos.La desigualdad entre ricos y pobres en el debilitamiento del crecimiento infantil exige la integración y la convergencia de las intervenciones de nutrición con la intervención de políticas destinadas a la reducción de la pobreza en las zonas urbanas. También existe la necesidad de ampliar el alcance del programa ICDS para proporcionar educación masiva sobre nutrición y salud mediante disposiciones sobre visitas domiciliarias que se centren principalmente en las madres embarazadas y lactantes.


Ver el vídeo: JCHL Revision - Statistics (Enero 2022).