基于D最优设计的最大后验贝叶斯法估算个体药动学参数

谢滕坤 | -> | 1397| 0| 1.867987MB |最大后验贝叶斯法,D最优设计,群体药动学,多元线性回归法,非线性混合效应模型

谢滕坤 谢滕坤 | 文档量 |浏览量48308

摘要: 本研究以基于D 最优设计的最大后验贝叶斯法 (MAPB) 估算个体药动学参数, 并与多元线性回归
(MLR) 法比较。以吡格列酮为模型药物, 非线性混合效应模型 (NONMEM) 法考察药物的群体药动学特征。
WinPOPT 软件进行D 最优采样设计, 获得1~4 点的采样方案。采用蒙特卡罗法产生模拟数据集, 对估算方法进行评估。结果显示: 随采样点数量的下降, MAPB 估算CL 和V 的准确度和精密度均下降; 随CL 和V 个体间变异增高, 基于2 点D 最优设计的MAPB 估算CL 和V 的精密度下降; 随残差变异增高, MAPB 估算的准确度和精密度均下降。与MLR 比较结果显示: MAPB 2 点D 最优方案和MLR 的2 点估算AUC 的准确度和精密度较接近,但在最佳采样点前后调整1 h 采样, MAPB 估算准确度和精密度优于MLR 法。总体而言, MAPB 法估算AUC 的能力与MLR 较为接近, 但较MLR 更具采样灵活性。
    随着群体药动学和药效学研究的广泛应用, 如何根据少量采样点数据就可获取准确的药动学参数
估算, 已成为近年来的研究热点之一。目前, 常用方法主要有多元线性回归法 (multiple linear regression,MLR) 和基于D 最优设计 (D-optimal design) 的最大后验贝叶斯 (maximum a posteriori Bayesian, MAPB)估算法。MLR 法无须进行房室模型拟合, 可估算最优采样方案和相关药动学参数, 计算方法简便。而后者 须进行房室模型拟合, 估算药动学参数和参数分布等先验信息, 在Fisher 信息矩阵 (Fisher information matrix, FIM) 的基础上, 获得最优采样方案。然后通过采集少量个体血药浓度数据和上述先验信息, 获得较为完整的个体药动学参数信息。
    本研究组曾采用MLR 法, 遴选有限采样方案(limited sampling strategy), 计算单剂量口服吡格列酮 (pioglitazone) 后的药时曲线下面积 (AUC) 和最大峰浓度 (Cmax)[1], 证明了该法估算药动学参数的价值。本研究仍以该药为模型药物, 根据D 最优设计和MAPB估算法, 筛选采样方案, 估算个体药动学参数, 并与前期MLR 的相关结果进行比较。本研究还进一步考察采样点数量、个体间变异、残差变异以及采样时间窗对参数估算的影响, 旨在为药动学研究的优化采样设计和个体化给药提供依据。
谢滕坤发布的其他共享资料
    0 色谱币 下载

基于D最优设计的最大后验贝叶斯法估算个体药动学参数

(1867.987K)

所需色谱币: 0

您持有: $userGold色谱币,完成任务赚取色谱币

立即下载

友情链接(联系QQ:47140047)
关于我们  经营理念  业务合作  联系我们  法律声明  网站建议  网站导航  帮助中心
Copyright © 色谱世界 版权所有 鄂ICP备19022139号-2