论文部分内容阅读
目的日常治疗药物监测发现,文拉法辛经剂量校正后浓度（C/D）差异仍然较大,相同给药剂量下,不同患者可能会出现治疗无效或不良反应。因此,为促进临床合理用药,减少不良反应发生率,本研究拟探讨性别、年龄、CYP2D6基因型、CYP2C19基因型、吸烟、饮酒、剂型、肝酶（ALT、AST）、身体质量指数（BMI）、合并用药和合并疾病等对CVEN/D、CODV/D和Ctotal/D的影响。同时,计算文拉法辛在健康志愿者中的药动学参数群体值,为建立抑郁症患者的文拉法辛群体药动学模型提供参考,指导临床个体化用药。方法（1）以乙腈为沉淀剂,经蛋白沉淀法处理,色谱柱:Agilent XDB C18（4.6 mm×50 mm,1.8μm?）,流动相:甲醇-水(90:10,v/v,含2 mmoL·L-1甲酸铵),流速:0.7 mL·min-1,柱温:35℃,进样量:1μL,电喷雾电离,采用多反应监测模式,定量分析离子对分别为m/z 278.15→58.20（VEN）、m/z 284.15→58.20（VEN-d6）、m/z264.10→58.10（ODV）、m/z 270.10→58.10（ODV-d6）,使用LC-MS/MS分析血清中VEN和ODV浓度。（2）对可能会引入不确定度的步骤进行分析,包括测量重复性、样品称量、溶液配制、样品处理、仪器允差、基质效应、提取回收、标准曲线拟合等,评估扩展不确定度。（3）分别收集符合入选和排除标准的患者信息,使用SPSS16.0软件,分析性别、年龄、吸烟、饮酒、剂型、肝酶（ALT、AST）、BMI、合并用药、合并疾病、CYP2D6和CYP2C19基因型等对CVEN/D、CODV/D和Ctotal/D的影响;对有意义的影响因素进行多重线性回归分析,建立预测CVEN/D、CODV/D和Ctotal/D的回归模型。（4）收集健康志愿者的文拉法辛生物等效性试验数据,使用NONMEN软件,建立群体药代动力学模型,计算群体药动学参数群体典型值。结果（1）VEN标准曲线方程为y=1.55 x?+?1.62×10-4（R2=0.999 5）,线性范围为4～400 ng·mL-1;ODV标准曲线方程为y=1.42 x?-?3.61×10-2（R2=0.999 1）,线性范围为20～2000 ng·mL-1。除文拉法辛定量下限批间精密度为15.33%外,其余批间和批内精密度均在0.83%～8.73%,准确度均在97.36%～101.80%之间,平均提取回收率均大于95.67%,稳定好。（2）低(12 ng·mL-1)、中(120 ng·m L-1)、高(300 ng·mL-1)浓度VEN质控样品的拓展不确定度分别为UL=0.847,UM=7.518,UH=20.776;低(60 ng·m L-1)、中（600 ng·mL-1）、高（1500 ng·mL-1）浓度ODV质控样品的拓展不确定度分别为UL=11.666,UM=91.479,UH=254.523（P=95%,k=2）。（3）CVEN/D可能受肌酐清除率、合并高血压、合并低血钾、CYP2D6和CYP2C19基因型影响（P<0.05）;多重线性回归分析显示,lg（CVEN/D）与CYP2D6基因型和合并高血压具有相关性（P<0.05）。CODV/D可能受性别、肌酐清除率、BMI和合并喹硫平影响（P<0.05）;多重线性回归分析显示,lg（CODV/D）与性别和合并喹硫平具有相关性（P<0.05）。Ctotal/D可能受性别、肌酐清除率和CYP2C19基因型影响（P<0.05）;多重线性回归分析显示,lg（Ctotal/D）与是否为CYP2C19慢代谢者（PM）具有相关性（P<0.05）。CVEN/D和Ctotal/D用于预测CYP2C19慢代谢者具有一定的准确性,ROC曲线下面积分别为0.743和0.725,最佳阈值分别为0.903和1.890 ng·mL-1·mg-1·d。（4）一室模型对数据具有较好的拟合优度,药动学参数群体典型值为V=78.80 L,CL=104.00 L·h-1,Ka=0.117 h-1。结论（1）本方法样品处理简便,灵敏度高,专属性强,适用于VEN和ODV血药浓度监测。（2）LC-MS/MS法测定人血清中VEN和ODV浓度的不确定度主要来源于标准曲线拟合、基质效应、提取回收过程。选择合适浓度的氘代内标浓度,可有效降低标准曲线拟合过程引入的不确定度。（3）女性患者、低肌酐清除率患者或CYP2C19 PM患者服用VEN治疗时,应适当减少给药剂量,密切留意其血药浓度变化,慎防不良反应。CVEN/D和Ctotal/D用于预测CYP2C19 PM具有一定的准确性。（4）建立的群体药动学模型稳定可靠,可为建立患者的文拉法辛群体药动学模型提供参考。