Математическое прогнозирование эффективности лекарственных препаратов в доклинических исследованиях

Mathematical Prediction of the Efficacy of Medicinal Products in Preclinical Studies
О. В. Шредер, Наталья Дмитриевна Бунятян, D. V. Goryachev, R. D. Syubaev, Г. Н. Енгалычева, A. D. Kuznetsova, V. V. Kosenko
2022-09-07

байесовская статистикафабомотизолинформационная ценностьдоклиническая оценка безопасностивес доказательств
Как правило, доклинические исследования лекарственных средств, проводимые в соответствии с национальными и международными нормативными рекомендациями, позволяют минимизировать риск выявления серьёзных нежелательных явлений у пациентов на этапе клинических исследований. Тем не менее современные аналитические тенденции стимулируют разработку новых прогностических подходов, направленных на повышение надёжности и точности оценки безопасности. Целью настоящего исследования была разработка и апробация методических подходов к комплексной доклинической оценке ключевых факторов риска, связанных с применением лекарственных препаратов у человека, и к математическому прогнозированию соответствующих пользы и рисков. Материалы и методы: исследование объединяло информационный анализ и статистические методы; использовались обобщённые доклинические данные о защитных свойствах фабомотизола, а также национальные и международные нормативные документы, описывающие принципы и методы доказательной медицины, в частности байесовской статистики и методов прогностических исследований. Результаты: в статье представлены математические подходы, разработанные для подтверждения статистической достоверности и прогностической значимости результатов доклинической оценки безопасности лекарственных средств на основе байесовской статистики, в частности концепций веса доказательств (WoE), информационной ценности (IV) и нормированной плотности (ND). В зависимости от объёма оцениваемых данных WoE может использоваться для определения веса доказательств отдельных переменных, а также целых групп переменных, полученных в отдельных тестах или полных наборах тестов, применяемых в исследованиях общетоксического действия, репродуктивной токсичности, генотоксичности и других исследованиях, характеризующих состояние жизненно важных органов при оценке безопасности лекарственных средств. Выводы: разработанная методология позволяет оценивать весь объём информации, полученной в доклинических исследованиях лекарственных препаратов. Критерии в форме WoE и IV при доклинической оценке безопасности лекарственных средств могут использоваться для оц...
1
Методология применяет байесовскую статистику и принципы прогностических исследований для оценки статистической достоверности и прогностической значимости результатов доклинической оценки безопасности.
2
Методология предназначена для интеграции всего объёма доклинической информации и повышения надёжности и точности оценки безопасности до начала клинических испытаний.
3
Разработаны методологические подходы к комплексной доклинической оценке рисков лекарственных препаратов и математическому прогнозированию соответствующих пользы и рисков.
4
В качестве критериев количественной оценки доказательств доклинических данных предложены вес доказательств (WoE), информационная ценность (IV) и нормированная плотность (ND).
5
WoE может использоваться для оценки отдельных переменных или групп переменных, полученных в отдельных тестах либо комплексных панелях исследований общей, репродуктивной и генетической токсичности, а также воздействия на жизненно важные органы.

Лекарственные препараты, представленные на примере фабомотизола, оцениваемые в доклинических исследованиях

Математическое прогнозирование и комплексная оценка доклинической безопасности, пользы и рисков с использованием байесовских показателей веса доказательств, информационной ценности и нормированной плотности

Publication Details
Publication Date
2022-09-07
Journal
Publisher
ISSN
Cited by
3
Access Type
Author Information
Authors
О. В. Шредер
Наталья Дмитриевна Бунятян
D. V. Goryachev
R. D. Syubaev
Г. Н. Енгалычева
A. D. Kuznetsova
V. V. Kosenko
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%