群体药代动力学建模的两种通用方法：非参数自适应网格与非参数贝叶斯
定量方法
2013-03-29 v1 基因组学
应用统计
统计方法学
摘要
群体药代动力学(PK)建模方法在统计上可分为参数法或非参数法(NP)。每一类又可细分为最大似然(ML)或贝叶斯(B)方法。本文讨论非参数情况，同时使用最大似然和贝叶斯方法。我们提出了两种非参数方法，用于估计药代动力学/药效学(PK/PD)数据集中模型参数值的未知联合群体分布。第一种方法是NP自适应网格(NPAG)。第二种是NP贝叶斯(NPB)算法，采用棍棒断裂过程构建狄利克雷先验。我们的目标是使用模拟的PK/PD数据集比较这两种方法的性能。我们的结果显示，在逼真的模拟PK研究中，NPAG和NPB表现出色。该模拟使我们能够以真实群体参数为基准，与两种方法产生的估计值进行比较，同时包含了诸如不平衡的采样时间和样本数量以及纳入患者体重协变量等挑战。我们得出结论，NPML和NPB均可用于实际的PK/PD群体分析问题。文中讨论了各自的优势。NPAG和NPB已在R中实现，并可在Pmetrics包中从www.lapk.org免费下载。
引用
@article{arxiv.1303.6700,
title = {Two General Methods for Population Pharmacokinetic Modeling: Non-Parametric Adaptive Grid and Non-Parametric Bayesian},
author = {Tatiana Tatarinova and Michael Neely and Jay Bartroff and Michael van Guilder and Walter Yamada and David Bayard and Roger Jelliffe and Robert Leary and Alyona Chubatiuk and Alan Schumitzky},
journal= {arXiv preprint arXiv:1303.6700},
year = {2013}
}