{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3328626"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3328626","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Δοσολογικά σχήματα αντιεπιληπτικών φαρμάκων με χρήση υπολογιστικών προσομοιώσεων","abstract":"Σήμερα, η συνδυασμένη αντιεπιληπτική θεραπεία είναι η βέλτιστη επιλογή για μεγάλο αριθμό παιδιατρικών ασθενών. Επιπλέον, δεν υπάρχουν τυποποιημένες διαδικασίες στη θεραπευτική διαχείριση αυτής της πολύπλοκης θεραπείας. Εκτός από τη θεραπευτική παρακολούθηση, η πληθυσμιακή φαρμακοκινητική (PopPK) και η μηχανική μάθηση (ML) αποτελούν χρήσιμες πηγές πληροφοριών σχετικά με τη βελτιστοποίηση της θεραπείας. Ο στόχος αυτής της μελέτης ήταν να περιγράψει τη φαρμακοκινητική του βαλπροϊκού οξέος (VA), της λαμοτριγίνης (LTG) και της λεβετιρακετάμης (LEV) σε έναν παιδιατρικό πληθυσμό χρησιμοποιώντας μη γραμμική μοντελοποίηση μικτών επιδράσεων, ενώ εφαρμόστηκαν αλγόριθμοι μηχανικής μάθησης (ML) για την αναγνώριση οποιαδήποτε σχέσης μεταξύ των επιπέδων πλάσματος των τριών φαρμάκων και των χαρακτηριστικών των ασθενών. Η μελέτη περιελάμβανε 71 παιδιατρικούς ασθενείς και των δύο φύλων, ηλικίας 2-18 ετών οι οποίοι λαμβάνουν συνδυασμένη αντιεπιληπτική θεραπεία. Τα μοντέλα πληθυσμιακής φαρμακοκινητικής (PopPK) αναπτύχθηκαν ξεχωριστά για VA, LTG και LEV. Με βάση τις εκτιμώμενες φαρμακοκινητικές παραμέτρους και τα χαρακτηριστικά των ασθενών, εφαρμόστηκαν τρεις προσεγγίσεις ML (ανάλυση κυρίων συνιστωσών, παραγοντική ανάλυση μικτών δεδομένων και τυχαίο δάσος). Σύμφωνα με τη μελέτη μας, το βάρος των παιδιών σχετίζεται αρνητικά με τα επίπεδα LTG, LEV και VA. Η συγχορήγηση LTG και VA οδηγεί σε αύξηση των επιπέδων LTG και η αύξηση της ημερήσιας συνολικής δόσης VA οδηγεί στην αυξημένη κάθαρση του φαρμάκου. Όσον άφορα την πρόβλεψη εμφάνισης επιληπτικών κρίσεων παρατηρείται ότι σε αυτήν συμβάλουν περισσότερο τα επίπεδα των αντιεπιληπτικών φαρμάκων ακολουθούμενα από την ηλικία και το BW. Τα ευρήματα έδειξαν ότι η εφαρμογή των μοντέλων PopPK και ML μπορεί να είναι χρήσιμη για τη βελτίωση της διαχείρισης της επιληψίας στον υπό ανάπτυξη ευάλωτο παιδιατρικό πληθυσμό.","abstract_html":"Σήμερα, η συνδυασμένη αντιεπιληπτική θεραπεία είναι η βέλτιστη επιλογή για μεγάλο αριθμό παιδιατρικών ασθενών. Επιπλέον, δεν υπάρχουν τυποποιημένες διαδικασίες στη θεραπευτική διαχείριση αυτής της πολύπλοκης θεραπείας. Εκτός από τη θεραπευτική παρακολούθηση, η πληθυσμιακή φαρμακοκινητική (PopPK) και η μηχανική μάθηση (ML) αποτελούν χρήσιμες πηγές πληροφοριών σχετικά με τη βελτιστοποίηση της θεραπείας. Ο στόχος αυτής της μελέτης ήταν να περιγράψει τη φαρμακοκινητική του βαλπροϊκού οξέος (VA), της λαμοτριγίνης (LTG) και της λεβετιρακετάμης (LEV) σε έναν παιδιατρικό πληθυσμό χρησιμοποιώντας μη γραμμική μοντελοποίηση μικτών επιδράσεων, ενώ εφαρμόστηκαν αλγόριθμοι μηχανικής μάθησης (ML) για την αναγνώριση οποιαδήποτε σχέσης μεταξύ των επιπέδων πλάσματος των τριών φαρμάκων και των χαρακτηριστικών των ασθενών. Η μελέτη περιελάμβανε 71 παιδιατρικούς ασθενείς και των δύο φύλων, ηλικίας 2-18 ετών οι οποίοι λαμβάνουν συνδυασμένη αντιεπιληπτική θεραπεία. Τα μοντέλα πληθυσμιακής φαρμακοκινητικής (PopPK) αναπτύχθηκαν ξεχωριστά για VA, LTG και LEV. Με βάση τις εκτιμώμενες φαρμακοκινητικές παραμέτρους και τα χαρακτηριστικά των ασθενών, εφαρμόστηκαν τρεις προσεγγίσεις ML (ανάλυση κυρίων συνιστωσών, παραγοντική ανάλυση μικτών δεδομένων και τυχαίο δάσος). Σύμφωνα με τη μελέτη μας, το βάρος των παιδιών σχετίζεται αρνητικά με τα επίπεδα LTG, LEV και VA. Η συγχορήγηση LTG και VA οδηγεί σε αύξηση των επιπέδων LTG και η αύξηση της ημερήσιας συνολικής δόσης VA οδηγεί στην αυξημένη κάθαρση του φαρμάκου. Όσον άφορα την πρόβλεψη εμφάνισης επιληπτικών κρίσεων παρατηρείται ότι σε αυτήν συμβάλουν περισσότερο τα επίπεδα των αντιεπιληπτικών φαρμάκων ακολουθούμενα από την ηλικία και το BW. Τα ευρήματα έδειξαν ότι η εφαρμογή των μοντέλων PopPK και ML μπορεί να είναι χρήσιμη για τη βελτίωση της διαχείρισης της επιληψίας στον υπό ανάπτυξη ευάλωτο παιδιατρικό πληθυσμό.","abstract_has_math":false,"creators":["Τσυπλακώβα Αναστασία","Tsyplakova Anastasia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:22:11Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3328626"],"render_values":[{"text":"uoadl:3328626","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3328626","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3328626","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3328626","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Τσυπλακώβα Αναστασία","Tsyplakova Anastasia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3328626","https://pergamos.lib.uoa.gr/uoa/dl/object/3328626"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σήμερα, η συνδυασμένη αντιεπιληπτική θεραπεία είναι η βέλτιστη επιλογή για μεγάλο αριθμό παιδιατρικών ασθενών. Επιπλέον, δεν υπάρχουν τυποποιημένες διαδικασίες στη θεραπευτική διαχείριση αυτής της πολύπλοκης θεραπείας. Εκτός από τη θεραπευτική παρακολούθηση, η πληθυσμιακή φαρμακοκινητική (PopPK) και η μηχανική μάθηση (ML) αποτελούν χρήσιμες πηγές πληροφοριών σχετικά με τη βελτιστοποίηση της θεραπείας. Ο στόχος αυτής της μελέτης ήταν να περιγράψει τη φαρμακοκινητική του βαλπροϊκού οξέος (VA), της λαμοτριγίνης (LTG) και της λεβετιρακετάμης (LEV) σε έναν παιδιατρικό πληθυσμό χρησιμοποιώντας μη γραμμική μοντελοποίηση μικτών επιδράσεων, ενώ εφαρμόστηκαν αλγόριθμοι μηχανικής μάθησης (ML) για την αναγνώριση οποιαδήποτε σχέσης μεταξύ των επιπέδων πλάσματος των τριών φαρμάκων και των χαρακτηριστικών των ασθενών. Η μελέτη περιελάμβανε 71 παιδιατρικούς ασθενείς και των δύο φύλων, ηλικίας 2-18 ετών οι οποίοι λαμβάνουν συνδυασμένη αντιεπιληπτική θεραπεία. Τα μοντέλα πληθυσμιακής φαρμακοκινητικής (PopPK) αναπτύχθηκαν ξεχωριστά για VA, LTG και LEV. Με βάση τις εκτιμώμενες φαρμακοκινητικές παραμέτρους και τα χαρακτηριστικά των ασθενών, εφαρμόστηκαν τρεις προσεγγίσεις ML (ανάλυση κυρίων συνιστωσών, παραγοντική ανάλυση μικτών δεδομένων και τυχαίο δάσος). Σύμφωνα με τη μελέτη μας, το βάρος των παιδιών σχετίζεται αρνητικά με τα επίπεδα LTG, LEV και VA. Η συγχορήγηση LTG και VA οδηγεί σε αύξηση των επιπέδων LTG και η αύξηση της ημερήσιας συνολικής δόσης VA οδηγεί στην αυξημένη κάθαρση του φαρμάκου. Όσον άφορα την πρόβλεψη εμφάνισης επιληπτικών κρίσεων παρατηρείται ότι σε αυτήν συμβάλουν περισσότερο τα επίπεδα των αντιεπιληπτικών φαρμάκων ακολουθούμενα από την ηλικία και το BW. Τα ευρήματα έδειξαν ότι η εφαρμογή των μοντέλων PopPK και ML μπορεί να είναι χρήσιμη για τη βελτίωση της διαχείρισης της επιληψίας στον υπό ανάπτυξη ευάλωτο παιδιατρικό πληθυσμό.","Nowadays, combined antiepileptic therapy is the best option for a number of pediatric patients. Furthermore, there are no standard procedures for managing this complex treatment. Besides therapeutic monitoring, the population pharmacokinetic (PopPK) approach and machine learning (ML) are valuable sources of information regarding the optimization of therapy. The aim of this study was to describe the pharmacokinetics of valproic acid (VA), lamotrigine (LTG), and levetiracetam (LEV) in a pediatric population using non-linear mixed effect modelling, while machine learning (ML) algorithms were applied to identify any relationships among the plasma levels of the three medications and patients’ characteristics. The study included 71 pediatric patients of both genders, aged 2–18 years, on combined antiepileptic therapy. Population pharmacokinetic (PopPK) models were developed separately for VA, LTG, and LEV. Based on the estimated pharmacokinetic parameters and the patients’ characteristics, three ML approaches were applied (principal component analysis, factor analysis of mixed data, and random forest). According to our study, children's weight is negatively associated with LEV, LTG, and VA levels, coadministration of LTG and VA leads to increased LTG levels and increasing the total daily dose of VA leads to increased clearance of the drug. Regarding the prediction of seizure occurrence, antiepileptic drug levels are observed to contribute the most to seizure occurrence, followed by age and BW. Findings demonstrated that the application of PopPK and ML models might be useful to improve epilepsy management in vulnerable pediatric populations during the period of growth and development."]},{"key":"dc:title","label":"Title","values":["Δοσολογικά σχήματα αντιεπιληπτικών φαρμάκων με χρήση υπολογιστικών προσομοιώσεων"]}]}],"canonical_facts":{"dc:creator":["Τσυπλακώβα Αναστασία","Tsyplakova Anastasia"],"dc:date":["2023"],"dc:description":["Σήμερα, η συνδυασμένη αντιεπιληπτική θεραπεία είναι η βέλτιστη επιλογή για μεγάλο αριθμό παιδιατρικών ασθενών. Επιπλέον, δεν υπάρχουν τυποποιημένες διαδικασίες στη θεραπευτική διαχείριση αυτής της πολύπλοκης θεραπείας. Εκτός από τη θεραπευτική παρακολούθηση, η πληθυσμιακή φαρμακοκινητική (PopPK) και η μηχανική μάθηση (ML) αποτελούν χρήσιμες πηγές πληροφοριών σχετικά με τη βελτιστοποίηση της θεραπείας. Ο στόχος αυτής της μελέτης ήταν να περιγράψει τη φαρμακοκινητική του βαλπροϊκού οξέος (VA), της λαμοτριγίνης (LTG) και της λεβετιρακετάμης (LEV) σε έναν παιδιατρικό πληθυσμό χρησιμοποιώντας μη γραμμική μοντελοποίηση μικτών επιδράσεων, ενώ εφαρμόστηκαν αλγόριθμοι μηχανικής μάθησης (ML) για την αναγνώριση οποιαδήποτε σχέσης μεταξύ των επιπέδων πλάσματος των τριών φαρμάκων και των χαρακτηριστικών των ασθενών. Η μελέτη περιελάμβανε 71 παιδιατρικούς ασθενείς και των δύο φύλων, ηλικίας 2-18 ετών οι οποίοι λαμβάνουν συνδυασμένη αντιεπιληπτική θεραπεία. Τα μοντέλα πληθυσμιακής φαρμακοκινητικής (PopPK) αναπτύχθηκαν ξεχωριστά για VA, LTG και LEV. Με βάση τις εκτιμώμενες φαρμακοκινητικές παραμέτρους και τα χαρακτηριστικά των ασθενών, εφαρμόστηκαν τρεις προσεγγίσεις ML (ανάλυση κυρίων συνιστωσών, παραγοντική ανάλυση μικτών δεδομένων και τυχαίο δάσος). Σύμφωνα με τη μελέτη μας, το βάρος των παιδιών σχετίζεται αρνητικά με τα επίπεδα LTG, LEV και VA. Η συγχορήγηση LTG και VA οδηγεί σε αύξηση των επιπέδων LTG και η αύξηση της ημερήσιας συνολικής δόσης VA οδηγεί στην αυξημένη κάθαρση του φαρμάκου. Όσον άφορα την πρόβλεψη εμφάνισης επιληπτικών κρίσεων παρατηρείται ότι σε αυτήν συμβάλουν περισσότερο τα επίπεδα των αντιεπιληπτικών φαρμάκων ακολουθούμενα από την ηλικία και το BW. Τα ευρήματα έδειξαν ότι η εφαρμογή των μοντέλων PopPK και ML μπορεί να είναι χρήσιμη για τη βελτίωση της διαχείρισης της επιληψίας στον υπό ανάπτυξη ευάλωτο παιδιατρικό πληθυσμό.","Nowadays, combined antiepileptic therapy is the best option for a number of pediatric patients. Furthermore, there are no standard procedures for managing this complex treatment. Besides therapeutic monitoring, the population pharmacokinetic (PopPK) approach and machine learning (ML) are valuable sources of information regarding the optimization of therapy. The aim of this study was to describe the pharmacokinetics of valproic acid (VA), lamotrigine (LTG), and levetiracetam (LEV) in a pediatric population using non-linear mixed effect modelling, while machine learning (ML) algorithms were applied to identify any relationships among the plasma levels of the three medications and patients’ characteristics. The study included 71 pediatric patients of both genders, aged 2–18 years, on combined antiepileptic therapy. Population pharmacokinetic (PopPK) models were developed separately for VA, LTG, and LEV. Based on the estimated pharmacokinetic parameters and the patients’ characteristics, three ML approaches were applied (principal component analysis, factor analysis of mixed data, and random forest). According to our study, children's weight is negatively associated with LEV, LTG, and VA levels, coadministration of LTG and VA leads to increased LTG levels and increasing the total daily dose of VA leads to increased clearance of the drug. Regarding the prediction of seizure occurrence, antiepileptic drug levels are observed to contribute the most to seizure occurrence, followed by age and BW. Findings demonstrated that the application of PopPK and ML models might be useful to improve epilepsy management in vulnerable pediatric populations during the period of growth and development."],"dc:identifier":["uoadl:3328626","https://pergamos.lib.uoa.gr/uoa/dl/object/3328626"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Δοσολογικά σχήματα αντιεπιληπτικών φαρμάκων με χρήση υπολογιστικών προσομοιώσεων"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:22:11Z"}