Clinical PK/PD内検索 / 「ADVAN6/8」で検索した結果

• PPK基本モデルの構築
  ...非線形 PK モデルADVAN6/8? TOLとは 吸収飽和モデル 代謝飽和モデル $PRED INFN
• PPK/PD解析のスキル
  ...使って解析できる． ADVAN6/8と $DES を使って解析できる． $PRED を使って解析できる． CL と V の個体間変動間の相関を考慮した解析ができる．CL と V の相関，および，KA と Tlag の相関を考慮した解析ができる．（CL と KA 等の組み合わせの間には相関なしとする） クレアチニンクリアランス (CCR) 100 mL/min のとき CL は CCR に比例し，CCR = 100 のときは CL 一定，というモデルを $PK に書くことができる． 未変化体と代謝物の同時モデリングができる． 静注製剤と経口製剤両方のデータを使って同時モデリングができる． 尿中排泄量の解析ができる． 濃度の対数変換値を用いて解析することができる． NONMEM で（母集団解析ではなく）個別データの解析ができる． 経口投与後ではあるが吸収相のデータが少ないときの解析...
• ADVAN
  ADVAN 一覧 参考：TRANS 一覧，ADVANパラメータ
• ADVANパラメータ
  ADVAN の PK パラメータ S スケーリングパラメータ F バイオアベイラビリティ ALAG 吸収遅延時間 参考：ADVAN
• PPKの教科書
  1. 基本モデル Rich data ADVAN2 OUTPUT の読み方 (1/2) 2. 応用モデル ADVAN1, 3, 4, 11, 12 OUTPUT の読み方 (2/2) 3. データセットの作り方 Sparse data SS Infusion 欠測 4. コントロールファイルの文法 その他の ADVAN ADVAN と TRANS の組み合わせ 5. モデル選択 PK モデル 個体間変動，個体内変動モデル 共変量モデル 尤度比検定 信頼区間 残差診断 6. 実際の解析
• TRANS
  TRANS 一覧 参考：ADVAN 一覧
• コントロールファイル（例題１）
  コントロールファイルは次のとおり． $PROBLEM EX1 $DATA EX1.CSV $INPUT ID TIME AMT=DOSE DV=CP $SUB ADVAN1 TRANS2 $PK TVCL=THETA(1) TVV =THETA(2) ; CL =TVCL*EXP(ETA(1)) V =TVV *EXP(ETA(2)) ; SC =V ; $ERROR Y =F*EXP(ERR(1)) IPRE=F ; $THETA (0 1) ; CL(L/HR) (0 10) ; V(L) $OMEGA 0.04 0.04 $SIGMA 0.01 $EST NOABORT MAXE=9999 PRINT=10 POSTHOC $COV $TABLE NOPRINT FILE=PRED-EX1.TXT ONEHEADER ID TIME ...
• $TABLEに20以上の変数
  変数を 20 個以上 TABLE に出力したい PRED-defined の変数が多数ある時、$TABLE ですべての変数を出力したくても NONMEM V では 20 個までしか出力できない（VI では 50 個まで）。$TABLE を複数用意して、別々の TABLE に出力させようとしてもエラーが出る。 以下のように、$PROBLEM を複数に分ければよい。 1 回目の run ($PROBLEM 1) での結果を $EST MSF= で出力しておく。 2 回目の run ($PROBLEM 2) ではその結果を $MSFI で読み込み、推定は実行しない。ただ単に $TABLE 出力のみを行わせる。 $PROBLEM 1(ESTIMATION) $DATA DATA.TXT $INPUT ID TIME AMT DV $SUB ADVAN1 TRANS2 $PK ...
• $SUPER
  　経口投与後のデータを発生させて，静脈内投与後のモデルで解析するシミュレーションの例． $TABLE で作成したデータを次の $PROB の $DATA で読み込むテクニック $SUB での LIBRARY の利用 $SIM で乱数の種を指定する方法，および，シミュレーションごとに異なる種を使う方法 　この三点に気を配ればよい． 　なお，途中で計算エラーが発生した場合，そこで全てが止まってしまう．悲しい．私は解決方法を知りません． 　この手のシミュレーションには $SUPER を使おうと言っているわけではない．$SUPER の使い方を覚えるくらいなら，SAS か S-Plus/R を覚えましょう(^^)． $PROBLEM DUMMY SIMULATION $DATA TEMPLATE-1.CSV IGNORE=@ $INPUT ID TIME EVID M...
• 反復投与シミュレーション
  決定論的シミュレーションの代表例． 一人当たりの濃度点数は 50 点まで，という NONMEM のデフォルト制限を破ることなく，過度のテクニックに頼ることなく，7 日間反復投与のシミュレーションを行う． 30 分単位で濃度を計算することにした．したがって，合計で 2 * 24 * 7 = 336 点の濃度データを算出することになる． $EST MAXE=0 としておくと，THETA 等を動かしてデータにモデルを当てはめるのではなく，$THETA に与えた初期値そのままで濃度予測値を計算してくれる． $OMEGA と $SIGMA はこのシミュレーションでは使わないのだが，何も書かないとエラーがでるので，何か適当な数値を書き込んでおく．実は，$OMEGA と $SIGMA の行はなくても構わない．その場合には NONMEM が勝手に適当な値を「初期値」として設定してくれる． CL に個...
• 確率論的シミュレーション
  NONMEM での確率論的シミュレーション NONMEM で stochastic simulation を実施する際に，考えなければならないのは次の四点である． データをどう作成するか． パラメータをどう発生させるか． 多数回の実行をどう自動化するか． 多数回の実行結果をどう集計するか． 1. データをどう作成するか NONMEM にできるのは，与えられたデータセットに従った計算を行うことだけである．したがって，デザイン（どういう TIME にどういうイベントが発生するか）が異なる複数被験者の計算を行いたいなら，それに応じたデータを事前に用意しておく必要がある． したがって，「採血時点をランダムにする試験デザイン」でのシミュレーションを行いたい場合には，NONMEM だけではどうしようもない．NONMEM 内部で TIME をランダムに発生させることは不可能なので．よって，別のプロ...
• ガイドライン
  EMEA PPK のレポーティングに関するガイドライン (GUIDELINE ON REPORTING THE RESULTS OF POPULATION PHARMACOKINETIC ANALYSES)PDF 残差プロットに早速 CWRES が取り入れられている．しかし，「ある気になる点」については触れられていない． 以下，私にとっての要点をまとめておく． この GL は regulatory 側の reviewer が解析結果を評価するために，という視点で作られている．どの時点でどういう仮定に基づいてどのような決断がなされたのか，が明確になっている必要がある． 解析計画をつけなさい．ただしもちろん，探索的解析である場合には less detailed になるだろう． データ変換をするならその根拠を．また，変換したなら data input checking procedur...
• DV_PRED_IPRED
  DV, PRED, IPRED の重ね描き plot.ipred - function( tab, ID="ID", DV="DV", IPRE="IPRE", layout=c(3, 3), xlab="Time (hr)", ylab="Concentration (ng/mL)", ... ) { tab.plot - rbind( data.frame(type=rep(1, nrow(tab)), ID=tab[,ID], TIME=tab$TIME, Y=tab$DV), data.frame(type=rep(2, nrow(tab)), ID=tab[,ID], TIME=tab$TIME, Y=tab$PRED), data...
• CWRES
  Conditional Weighted Residual 条件付 (conditional) WRES，すなわち，FOCE の近似に対応した WRES，ということで CWRES と名づけられた． Xpose のサイト 今年 (2006) の PAGE での発表 関連記事 (コントロールファイルの記述方法，等) 以下に R のソースを貼っておく． 使い方の詳細な説明はまた後ほど，というか on request で． S-Plus で動かす場合は，subset の扱いに関して修正が必要．また，sqrtm.cpk() 内の eigen(x) を eigen(x, symmetric=T) としてください． ### Conditional WRES (CWRES) の計算 ### compute.cwres.cpk - function( tab.cwres...
• CovarianceMatrixEstimate
  推定値の分散共分散行列 NONMEM のアウトプット中に（$COV を指定したときに）出力されてくる "Covariance Matrix of Estimate"． 通常はあまり使い道はないのだが，時々必要になる．例えば，パラメータの推定誤差を考慮して，多変量正規分布を仮定したシミュレーションを行いたい場合．http //blog.goo.ne.jp/hkasai/e/c17591b1b36a68ce3f3d4c3abd7669da しかし，アウトプットファイルにおける分散共分散行列推定値も，これまた利用しにくい． そこで，INFN 機能を利用して，この情報を取り出してみる．NTH, NETA, NEPS の行に，それぞれ，THETA, ETA, EPS の数を適切に指定する． 結果は COV.TXT というファイルに出力される．数値の意味はアウトプットの該当欄と見...
• 定常状態（一日二回投与）
  目次 等間隔投与 不等間隔投与 等間隔投与 　一日二回等間隔，すなわち 12 時間ごとの服薬の場合． 毎日 7 00 と 19 00 に 10 mg ずつ服薬． 採血当日 2006/05/11 の朝は服薬せずに来院． 10 00 に採血し，濃度 12 ng/mL であった． DAT2=DROP TIME AMT SS II DV 06-05-10 19 00 10 1 12 0 06-05-11 10 00 0 0 0 12 　採血当日朝も 7 00 に服薬し，その後採血した場合． DAT2=DROP TIME AMT SS II DV 06-05-11 7 00 10 1 12 0 06-05-11 10 00 0 0 0 123 　採血当日の朝のみ服薬が 9 00 とイレギュラーになり，その後採血した場合． DAT2=DROP T...
• 定常状態（一日三回投与）
  目次 8 時間ごとの等間隔投与 一部等間隔投与 不等間隔投与 次の 3 種類に分けて考える． 8 時間ごとの等間隔投与 一部等間隔投与 不等間隔投与 8 時間ごとの等間隔投与 毎日 7 00，15 00，23 00 と 8 時間間隔で服薬． 採血当日 2006/5/11 朝は服薬せずに来院．（前日夜 23 00 の服薬が最終） 10 00 に採血し，濃度 10 ng/mL であった． （これはあまり現実的ではない設定と思われるかもしれない．しかし，「一日三回投与．7 00 に服薬後，10 00 に採血した」という情報しか得られていない場合もありうる．） DAT2=DROP TIME AMT SS II DV 06-05-10 23 00 10 1 8 0 06-05-11 10 00 0 0 0 12 採血当日朝も通常通り 7 00 に服薬して来...
• 定常状態（一日一回投与）
  目次 採血，その後投与 投与，その後採血 これは簡単である．一日一回，朝のみに投与が行われるとして，採血当日の投与と採血の関係を， 前日朝の投与以来投与せずに採血．その後投与． 当日朝に投与，その後採血． の 2 種類に分けて考える． 採血，その後投与 以下のような状況を考える． 毎朝 8 00 に 10 mg を投与しつづけてきていてすでに定常になっている． 採血前日 2006/5/10 の 8 00 にも 10 mg 投与． 採血当日 5/11 は 10 00 に採血し，濃度 12 ng/mL であった． その後，10 05 に 10 mg 投与． この場合の NONMEM データセットは次のようになる． DAT2=DROP TIME AMT SS II DV 06-05-10 8 00 10 1 24 0 06-05-11 10 0...
• $PREDでINFN
  $PRED で INFN 機能を使う 以下のようにすれば，$PRED で INFN= 機能が使えない場合でも，同等の出力を得ることができる．PAR.TXT エラーコード，目的関数値，パラメータ推定値，その SE POS.TXT 各被験者の POSTHOC パラメータ推定値 $PROBLEM $DATA DATA.CSV $INPUT ID TIME AMT MDV DV $PRED "FIRST " INCLUDE C \NMV\NM\NSIZES " COMMON /ROCM6/ THETAF(LTH), OMEGAF(LVR, LVR), SIGMAF(LVR, LVR) " COMMON /ROCM7/ SETH(LTH), SEOM(LVR, LVR), SESIG(LVR, LVR) "...
• OUTPUTからの情報抽出
  OUTPUT ファイルからの情報抽出 Web 上で実行記事 記事（追記） 実行場所　http //homepage1.nifty.com/hkasai/NMonal/NMonal.html 複数の OUTPUT ファイルから情報を抽出 あるフォルダ内にある OUTPUT ファイルすべてから必要な情報を抽出する．フォルダ内に OUTPUT ファイル以外のファイルが保存されていても構わない．OUTPUT ファイルのみを認識して，以下の作業が自動的に行われる． 使い方1. 下のプログラム (ReadNMoutMulti.pl および NMoutAnal.pl) をひとつのフォルダに保存する 2. Perl をインストールしておく．（Perl 参照） 3. 以下のように実行する．結果は CSV ファイルに出力される．Summary.csv は使用者が任意につける名前．何でもよい． ### カレ...
• バリデーション
  解析バリデーション 予測性の評価?PRED vs DV, IPRED vs DV 残差診断?RES, WRES vs PRED, covariates ブートストラップ成功率，信頼区間? PosteriorPredictiveCheck LikelihoodProfiling?信頼区間?
• 二値データのシミュレーション方法
  /* 方法 (1) 簡易版 PR = ...; DV = 0; IF PR = 0.5 THEN DV = 1; 方法 (2) PR = ...; DV = 0; R = RANUNI(); IF R = PR THEN DV = 1; */ %LET NSIM = 1000; *** 1 群 (1 用量) あたりのシミュレーション回数 ***; %LET SEED = 2601; *** 乱数の種 ***; DATA p; *** Group = 1 ～ 9, それぞれ母確率 10%, ..., 90% に対応させる ***; DO Group = 1 TO 9; DO i = 1 TO NSIM; *** +/- 50% のばらつきを持たせる ***; pr = Group / 10 + RANUNI( ...
• Wang2007
  Wang, Y (2007) J.PKPD Derivation of various NONMEM estimation methods NONMEM の目的関数についての解説。 　NONMEM が具体的にどういう式で目的関数を計算しているかついて、マニュアルには明瞭に書かれていない。特に、FOCE + INTERACTION 法や Laplace 法の目的関数の式は mystery でさえある。そこでこの論文では Laplace 法、FOCE 法、FO 法の目的関数が明確に示された。 　まず、（周辺尤度の）積分を Laplace 近似する方法で目的関数を導く。ただし、個体内誤差は問う誤差モデルを仮定する。この枠組みでは、Laplace、FOCE、FO の違いは、対数尤度の二階微分（ヘッセ行列）をどう評価するかの違いに帰着する。ヘッセ行列をそのまま評価（数値計算）し...
• $TABLE
  $TABLE 使用方法 $DATA (出力項目) [FILE=filename][NOPRINT][ONEHEADER][FIRSTONLY][NOAPPEND] 解説 出力項目 出力項目を何も指定しないと，標準では DV, PRED, RES, WRES の 4 項目がテーブルに出力される．通常はこれでは情報不足であり，たいていの場合，最低限 ID は追加する必要がある．また，予測値のテーブルを出力させる際には TIME も必要であろう．なお，たとえば，ID, TIME を追加出力させたい場合は $TABLE ID TIME と指定すればよい．DV, PRED, RES, WRES に関しては何も指定しなくても自動的に出力される．$ERROR で指定した個別予測値を項目として指定するとテーブルに出力される．たとえば，$TABLE ID TIME IPRE IRES と...
• 濃度推移の重ね描き
  個体での血漿中濃度推移をひとつのグラフ内で重ね描き plot.super - function( tab, ID="ID", Y="DV", xlab="Time (hr)", ylab="Concentration (ng/mL)", ... ) { tab.plot - data.frame(ID=tab[,ID], TIME=tab$TIME, Y=tab[,Y]) res - xyplot( Y ~ TIME, tab.plot, groups=ID, panel=panel.superpose, type="l", xlab=xlab, ylab=ylab, ... ) res } ...
• CommentsAndQuestions
  遠慮なくどうぞ．どなたでも書き込みできます．匿名で可能です． 新規のご質問は，このページの一番下に追記する形でお書きください． PPK/PD解析のスキルを読んで自分には理論の理解がないと実感しております。管理人さん/読者のみなさんはどのように勉強してきたのでしょうか？　お勧めの書籍などありましたら教えてください。スキルのページを見て自分はだいたい中級くらいかなと思ってます。　TA □タイトル：「散布図と各パラメータの傾向について 」 □コメント：RESの傾向としては、RES VS TIMEでt=0からt=5hr（Cmax）で大幅に正に偏っています（負の値がない）。それ以降ではほぼRES=0です。RES VS PREDでも正に偏りがあり、PREDが高値を示せば示すほどに、RESは大きく正に偏るようです。 WRESの傾向としては、特に偏りはないようです。WR...
• PK/PD解析
  分類 http //blog.goo.ne.jp/hkasai/e/ad8a975e28a0408df0ea7f6550b93215 関連記事： http //blog.goo.ne.jp/hkasai/e/9f39a8e52d6379da90f6cc0bc8ca9e8b http //blog.goo.ne.jp/hkasai/e/b1679698c2b04db1c5ea7f98c400db5f http //blog.goo.ne.jp/hkasai/e/82e6db8b35948040c5c01aa3a3cda83e http //blog.goo.ne.jp/hkasai/e/0ceb1fe7f99c846209dfd7aabdc29c82 http //blog.goo.ne.jp/hkasai/e/90aa2d5b33720073f474a93658ce3f56 ...
• PK-PD解析のスキル
  Effect compartment model Indirect response model Exposure-Response Linear model Log-linear model Emax model Sigmoid Emax model Logistic analysis Ordered categorical data Survival analysis
• 被験者背景シミュレーション
  # n = 19 (nonsmoker) # n = 49 (former smoker) # n = 32 (smoker) smoke.num - c(rep(1, 19), rep(2, 49), rep(3, 32)) label.smoke - c("Nonsmoker","Former smoker","Smoker") smoke - factor(smoke.num, levels=1 3, labels=label.smoke) mu - mean(log(smoke.num)) sg - sqrt(var(log(smoke.num))) # Empirical distribution Pi - cumsum(as.numeric(table(smoke)) / length(smoke)) ...
• データ作成のテクニック
  ID TIME DATE, DAT2 AMT SS II RATE MDV EVID DV データの作成方法（ルール）
• IndividualPrediction
  個別予測値 パラメータの個別推定値 (PosthocParameter) を用いた予測値． 例 たとえばこういう感じ． $ERROR Y=F*EXP(ERR(1)) IPRE=F IRES=DV-IRE $EST POSTHOC $TAB IPRE IRES $EST で POSTHOC 指定をしておく． $ERROR で IPRE に個別予測値が代入される．IRES は個別予測値での残差．IPRED としないのは，4 文字までという制限があるため．IPRED としてもエラーにはならないが出力される名前（ラベル）は IPRE になる． $TABLE で IPRE，IRES を出力する指定をする． 重みつき残差 個別予測値を用いた重みつき残差，も計算できる．その方法は次のとおり． (1) 個体内等誤差モデルの場合 $EST Y=F+ERR(1) IPR...
• $ERROR
  対数変換モデル $ERROR LOGF=0 IF(F.GT.0)LOGF=LOG(F) ; DV = LOG(CONC) Y=LOGF+ERR(1) メリット 比例誤差モデルとの違い $ERROR Y=F*(1+ERR(1))
• IPRED
  $ERROR IPRED=F Y =F+ERR(1) IRES =DV-IPRED IWRES? は $ERROR 内で (IWRES? に相当する値を) 計算することも可能ですが，自分で計算しましょう．IWRES? = IRES / SD(IRES)
• R入門
  テキストファイルの読み込み csv ファイルの読み込み NONMEM $TABLE 出力ファイルの読み込み 1 行目を読み飛ばす tips 変数名の読み込み 文字変数の処理 欠測値の扱い 外部データファイル読込 Excel (ODBC 経由) Excel (クリップボード経由) Access (ODBC 経由) SAS (XPT 形式) グラフ作成 個別濃度推移の重ね描き 散布図行列 EMF ファイルに出力 DV,PRED,IPREDのプロット グラフタイトル NONMEM 関連 NONMEM 起動 出力ファイルの処理
• データ（例題１）
  CSV ファイル： http //www.geocities.jp/ott4def/MyWiki/ClinPharm/Ex1/EX1.csv このデータの先頭部分 (ID = 1 ～ 2) は次のとおり． #ID TIME AMT DV 1 0 1000 0 1 8.29 0 39.471 1 8.65 0 33.426 1 13.96 0 25.027 1 20.29 0 18.219 2 0 1000 0 2 1.75 0 93.891 2 3.82 0 82.108 2 10.77 0 31.094 2 15.93 0 13.808 データは「カンマ区切り (csv)」形式もしくは「スペース区切り」形式で保存して，NONMEM 解析に用いる． ...
• NMFE5.BATの編集
  コントロールファイル中では，例えば， CL=THETA(1)*(CCR/80)**THETA(3)*EXP(ETA(1)) V =THETA(2)*(WGT/60)**THETA(4)*EXP(ETA(2)) 等の共変量モデルを記述していたとしても，NONMEM の出力ファイルには THETA(1)，THETA(2)，... とのみ出力されるだけである．すなわち，THETA(1)，THETA(2) がいずれも CL を予測するモデルにあらわれる変数であるという情報は出力ファイルには一切見られない． そのため，コントロールファイルと出力ファイルとの対応関係を忘れてしまうと，その出力は全く意味をなさなくなってしまう． そこで，NMFE5.BAT を一部修正して，出力ファイルの先頭にコントロールファイルが自動的にコピーされてくるようにする． 手順は次のとおりである．NMFE5....
• R/SでODE
  R で ODE ex1 - function(t, y, p) { dy1 - -p["ka"] * y[1] # amount dy2 - p["ka"] * y[1] / p["V"] - p["CL"] / p["V"] * y[2] # concentration list(c(dy1, dy2)) # list で返す } ka - 0.7; CL - 0.1; V - 1 parms - c(ka=ka, CL=CL, V=V) TIME - seq(0, 24, by=1) Dose - 1000 require(odesolve) my.atol - c(1e-6, 1e-10) out - lsoda(c(Dose, 0), ...
• Rで外部データファイル読込
  R での外部データファイル読込 Excel (クリップボード経由) Excel (ODBC 経由) Access (ODBC 経由) SAS (XPT 形式) # Excel 上でデータ範囲（ヘッダの変数名の行も含む）をコピーしてから data - read.delim( clipboard , header=T) # ODBC 経由で Excel データ読込 library(RODBC) # RODBC パッケージ # cn - odbcConnectExcel( d /data.xls ) # Excel ファイルに接続 sqlTables(cn) # シート名を表示 data.xls - sql...
• PK-PDの教科書
  1. Effect compartment model Individual data PK パラメータ既知 Linear, Emax, Sigmoid Emax model 2. Indirect response model Individual data PK パラメータ既知 3. PPK/PD Sequential analysis 4. PPK/PD Simultaneous analysis 5. Logisic analysis $PRED LOGLIK 6. PK/PD simulation $SIM
• 共変量モデルの構築
  共変量間の関係の探索?散布図行列，相関係数，回帰 欠測共変量の扱い? PK パラメータと共変量の関係の探索?回帰，一般化加法モデル? 検討対象共変量のピックアップ 加法モデル，乗法モデル Centering 共変量モデル探索方法?ForwardAddition? BackwardDeletion?
• 個体間変動のつけ方
  　個体間変動 η は基本的に，PK パラメータ (CL, V, KA, Tlag, ...) それぞれにつき 1 つずつ付与させる． 　たとえば，CL について考えると，CL の母集団平均値 (Typical Value) を TVCL，個人の値を CL とすると， CL = TVCL + ETA(1) 等となる．V，KA 等についても同様である． 　ここで，TVCL が体重 WT とクレアチニンクリアランス CCR の影響を受けるものとする．すなわち， TVCL = WT * THETA(1) + CCR * THETA(2) という関係が認められるものとする．このとき，個体間変動 ETA はどこに付与させるのが正しいだろうか？ 　答を標語的に言うならば，「ETA は THETA にではなく，PK 基本パラメータに付与させる」ということになる．つまり，...
• 論文
  Wang, J.PKPD, 2007
• ロジスティック解析
  二項分布確率密度関数 尤度関数 対数尤度関数 $PRED $EST METHOD=COND LAPLACE LIKE $EST METHOD=COND LAPLACE -2LL 残差診断Pearson 残差 Deviance 残差
• $SIM
  乱数の種 $SIM (26010701) 一様乱数 $SIM (26010701) (20610731 UNIFORM) CALL RANDOM(2,R) ONLYSIM シミュレーション回数 NEW 正規分布モデルでデータを発生させたが，値が負になった場合はやり直したい．
• NONMEMの本質的特徴
  NONMEMの本質的な特長 非線形混合効果モデルのフィッティングができるソフトは多数ある． その中で，NONMEM の特長は次の二点． PREDPP ライブラリによって，多彩なイベントに対応できるということ NM-TRAN によって変量効果に関する偏微分を解析的に行えるということ もっとも，後者に関しては最近の CPU パワーをもってすれば，偏微分を数値的に行ったとしてもそれほどのロス，誤差は出ないのではないか．検証していないけれど． 前者に関しては，他に代わるソフトがない．WinNONMIX も対応不十分である． したがって，PREDPP ライブラリの部分のみを借用して，フィッティング自体は他のソフトでできないだろうか，というアイディアが生まれる．例えば，S-Plus の nlme() 関数で PREDPP を使うことができれば，計算結果の整理もプロットも...
• シミュレーションとは
  PPK/PD 解析におけるシミュレーションとは 「シミュレーションする」と言う際の「シミュレーション」には大きく分けて二種類ある．それぞれどちらの「シミュレーション」をデフォルトで思い浮かべるかが，分野によって異なっていることが多いので，時に話が通じない．最近は，それほどでもないかもしれませんが． 決定論的シミュレーション (deterministic simultion) 確率論的シミュレーション (stochastic simulation) 二つの違いは，ランダムさ (randomness) を考えているかどうかにある． まず最初の決定論的シミュレーション．よく言われるのが「単回投与後のデータから推定した薬物動態パラメータを用いて反復投与時の血中濃度推移をシミュレーションした」．あるパラメータ (CL, Vd, ...) の値がわかっているものとする．その値を用いて，濃度を計算...
• @wiki全体から「ADVAN6/8」で調べる

更新順にページ一覧表示 | 作成順にページ一覧表示 | ページ名順にページ一覧表示 | wiki内検索