非线性混合效应 NLME模型对抗哮喘药物茶碱动力学研究 | 您所在的位置:网站首页 › spss拟合对数曲线 › 非线性混合效应 NLME模型对抗哮喘药物茶碱动力学研究 |
相关视频 拓端 ,赞14 拓端 ,赞21 拓端 ,赞7 拓端 ,赞17 数据的个体差异 我们还可以在 12 个单独的图上绘制 12 个单独的浓度分布图, pl + geom_line() + facet_wrap(~id) 这12个人的模式是相似的:浓度首先在吸收阶段增加,然后在消除阶段减少。然而,我们清楚地看到这些曲线之间的一些差异,这不仅仅是由于残差造成的。我们看到病人吸收和消除药物的速度或多或少。 一方面,每个单独的特征将通过_非线性_ 药代动力学 (PK) 模型正确描述 。 另一方面,人口方法和混合效应模型的使用将使我们能够考虑这种 个体间的变异性。 将非线性模型拟合到数据将非线性模型拟合到单个患者 让我们考虑本研究的第一个主题(id=1) the.dat.dta$id==1 ,c("tme)] plot(data=teo1 我们可能想为这个数据拟合一个 PK 模型 其中 (yj,1≤j≤n) 是该受试者的 nn PK 测量值,f 是 PK 模型,ψ是该受试者的 PK 参数向量, (ej,1≤ j≤n)是残差。 对该数据写入具有一阶吸收和线性消除的单室模型 其中 ψ=(ka,V,ke) 是模型的 PK 参数,D 是给予患者的药物量(此处,D=320mg)。 让我们计算定义为 ψ 的最小二乘估计 我们首先需要实现PK模型: pk.od |
CopyRight 2018-2019 实验室设备网 版权所有 |