Aller au contenu principal
Accès ouvert déclaré 2026 preprint

Dose optimisation of favipiravir against RNA viruses using physiologically-based pharmacokinetic modelling

0Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : gb. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Abstract Favipiravir (FPV) is an RdRp inhibitor developed and licensed in Japan for influenza but which has shown promising in-vitro activity against a range of RNA viruses. A physiologically-based pharmacokinetic model was developed for oral FPV and its metabolite M1 in order to optimise the dose regimen against plasma concentration targets for a number of viral pathogens. The model was validated using clinical data and was able to capture the variability in plasma concentrations for a population of individuals. FPV doses predicted to cause in-vivo exposures exceeding in-vitro IC 90 targets against influenza, Ebola, Lassa fever, CCHF, SFTS, Andes virus and SARS-CoV-2, lie within the window of observed safe dosing, with SARS-CoV-2 requiring predicted doses of 2400 mg twice daily due to lower in-vitro potency. Simulations showed that a loading dose on day one of treatment should allow plasma targets to be exceeded on day one. Simulations of chronic kidney disease (CKD) showed no change to FPV plasma concentration in individuals with CKD3 and CKD5 compared to healthy individuals. Clinical data suggested active renal efflux of M1 which led to a predicted 2.2 and 11.5 fold increase in the maximum plasma concentrations of M1 in individuals with CKD3 and CKD5 respectively in comparison with healthy individuals.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Dose optimisation of favipiravir against RNA viruses using physiologically-based pharmacokinetic modelling
Date Crossref
26/06/2026
Éditeur
openRxiv
Type
posted-content

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

COVID-19 Clinical Research StudiesInfluenza Virus Research StudiesRespiratory viral infections research

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.