基于非参数最优设计的流行病学药代动力学算法
统计方法学
2025-02-25 v1 机器学习
定量方法
应用统计
机器学习
摘要
本文引入一种非参数估计算法，用于有效估计模型参数的联合分布，适用于流行病学药代动力学。我们研究小组此前开发的非参数自适应网格（NPAG）算法，虽其精度较高，但采用非正式方法来建议新的支持点。相比之下，非参数最优设计（NPOD）算法采用梯度方法来建议新的支持点，从而减少对非相关点的评估时间，并据此缩短达到收敛所需的总循环次数。在本文中，我们证明NPOD算法在两个数据集上实现了与NPAG相似的解，同时在所需循环次数和总运行时间方面显著更为高效。鉴于在药代动力学中迅速确定药物剂量的重要性，NPOD算法代表了非参数建模的重要进步。进一步分析以确定特定条件下哪种算法表现更佳仍有必要。
引用
@article{arxiv.2502.15848,
title = {A non-parametric optimal design algorithm for population pharmacokinetics},
author = {Markus Hovd and Alona Kryshchenko and Michael N. Neely and Julian Otalvaro and Alan Schumitzky and Walter M. Yamada},
journal= {arXiv preprint arXiv:2502.15848},
year = {2025}
}