XiaoMi-AI文件搜索系统
World File Search System外推
在体外外推的发育神经毒性：基于生理的药代动力学模型（Niceatm SOT 2024海报）
Perfluorooctanoic acid Benomyl Cloprop Malathion Tembotrione Reserpine Methotrexate Warfarin 6-P ropyl-2-thiouracil Fenamiphos Caffeine Methyl parathion Triamcinolone Tebupirimfos Spiroxamine Tetracycline Carbofuran Azoxystrobin Fipronil Emamectin benzoate Lindane Imidacloprid MGK Perfluorooctanesulfonamide Simvast atin Indoxacarb Endosulfan Diazinon Boscalid P hosmet Tris(1,3-dichloro-2-propyl) phosphate Bisphenol AF Pyraclostrobin Lovastatin 5,5-Diphenylhydantoin Fost hiazate Coumaphos P horate Cytarabine hydrochloride Pirimiphos-methyl Tamoxifen Bisphenol B Chlorpyrifos-methyl Triphenyl phosphate Auramine hydrochloride Bensulide 2,2-Bis(4-hydroxyphenyl)-1,1,1-trichloroethane Flusilazole 17beta-Estradiol M olinate Mifepristone Tri-allate Rotenone三氯糖丁醇丁酰丁氧化物氟替纳乙烯四甲酸乙酸酯氟氧赛tebuconazole甲氧氯甲苯甲苯甲甲基甲基甲基甲基terbufos氯普里氏菌dieldrifos dieldieldrifos dieldieldrifos dieldrifos dieldieldrin七氯离聚蛋白P，p'-ddd bif ensfenrin Esfenrase二乙基苯甲酸苯甲酸烯二酚苄氯糖蛋白tefluthrin Tefluthrin diphenhydramine盐酸盐酸盐盐酸非洲苯二苯甲酸苯二烯mirex mirex mirex bisphenol-a p，p'-ddt o，p'-ddt o，p'-ddt o，p'- ddt o，p'-p'- ddt benz an an an an an an an an an an an an an an an an an an an an an an an an an and and and苯并（b）氟苯二乙基苯甲酸苯甲酸酯
研究文章电池电压预测技术使用机器学习模型具有较高的外推精度
基于机器学习（ML）型号和现实世界中收集的锂离子电池（LIB）数据的电池性能预测技术最近受到了很多关注。但是，对于使用现实世界数据的ML模型来说，较差的外推精度是一个主要挑战，因为数据频率分布可能不均匀。在这里，我们使用电化学模拟模型生成的人工数据研究了ML模型的外推精度。特别是，我们为训练数据设置了较低的开路电压（OCV）限制，并生成数据限于较高的充电状态（SOC）区域，以训练电压预测模型。我们已经验证了在几个较低的OCV限制设置下测试数据的电压的均方根误差（RMSE），并将其平均 + 3标准偏差定义为评估度量。评估了八种代表性的ML模型，发现多层感知器（MLP）的精度为92.7 mV，这是最佳的外推精度。我们还评估了具有已发布的实验数据的模型，发现MLP的精度为102.4 mV，重新确定其具有最佳的外推精度。我们还发现，MLP对感兴趣数据的变化具有鲁棒性，因为从模拟到实验数据变化时的准确性降解为1.1。此结果表明，即使为全面的SOC条件收集数据很困难，MLP也可以实现更高的电压预测准确性。
量子门误差的计算高效零噪声外推
本报告是由美国政府某个机构资助的工作报告。美国政府或其任何机构、其雇员、承包商、分包商或其雇员均不对所披露信息、设备、产品或流程的准确性、完整性或任何第三方的使用或此类使用结果做任何明示或暗示的保证，或承担任何法律责任或义务，或表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构、其承包商或分包商对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
评估外推法预测谷浓度以指导口服抗癌药物的治疗药物监测
Methods: Plasma concentrations of abiraterone, dabrafenib, im- atinib, and pazopanib at a random time (C t,sim ) and at the end of the dosing interval (C min,sim ) were simulated from population pharma- cokinetic models including 1000 patients, and the values were con- verted into simulated observed concentrations (C t,sim,obs and C min,sim,obs ) by adding a residual error.，以C T，SIM，SIM，OBS和典型的种群浓度的比率（方法1）与C Min，SIM，SIM 2）的典型种群值（方法2）和log-linearearearearexextral（方法3）相乘。通过比较c min进行比较，评估了目标的目标，即与拟议的相关靶标与效率相关和计算阳性预测和负预测值有关。
外推随机抽取等离子体样品到谷水平的可行性，用于治疗药物监测的小分子激酶抑制剂
摘要：小分子激酶抑制剂（SMKI）广泛用于肿瘤学。用于SMKI的治疗药物监测（TDM）可能会减少不受欢迎或过度暴露。但是，诸如戒断时间的后勤问题阻碍了其在临床实践中的实施。使用消除半衰期将随机浓度推送到槽浓度可能是克服这个问题的一种简单简单的方法。在我们的研究中，在24小时采样期间观察到的血浆浓度用于外推到谷水平。目的是证明与测得的c min值相比，随机抽血样品的外推将导致等效估计的谷物样品。总共分析了2241个血液样本。如果在t最大后绘制样品，则估计的afatinib和sunitinib的水平满足了等效标准。在药物摄入后，erlotinib，伊马替尼和索拉非尼的计算c槽水平分别符合等效性迹象。对于再丙替尼的外推不可行。总而言之，使用平均消除半衰期将随机服用的药物浓度外推到谷浓度，对于多个SMKI是可行的。因此，这种简单的方法可以积极地促进TDM在肿瘤学中的实现。