Clinical PK/PD内検索 / 「CWRES」で検索した結果

• CWRES
  ...ES，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.fname, # G, HH の情報の入った TABLE ファイル ...
• CWRES-I
  FOCE INTERACTION 法用の CWRES． 計算コード自体は CWRES のものと大きくは変わらない．コントロールファイルもほとんど同じ． ただし，本当にこれで正しいのかどうかについて自信がないため，コードを公開することは控えます．必要なら，連絡してください．
• 解析結果解釈のテクニック
  ...RES IWRES CWRES 統計解析 尤度比検定 正規近似信頼区間
• ガイドライン
  ...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 procedures should be described. A run record may be presented in a separate appendix. Basic model についてSimulation...
• 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)
• 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...
• 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...
• Wang2007
  ...ACTION 用の CWRES-I を確認するためにも重要な役割を果たす。さらに、Laplace 法の値を再現するプログラムも必要であろう。
• $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...
• 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?
• $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 $PRED "FIRST " INCLUDE C \NMV\NM\NSIZES " COMMON /ROCM6/ THETAF(LTH), OMEGAF(LVR, LVR), SIGMAF(LVR, LVR) " COMMON /ROCM7/ SETH(LTH), SEOM(LVR, LVR), SESIG(LVR, LVR) "...
• DV_PRED_IPRED
  DV, PRED, IPRED の重ね描き plot.ipred - function( tab, ID="ID", DV="DV", IPRE="IPRE", layout=c(3, 3), xlab="Time (hr)", ylab="Concentration (ng/mL)", ... ) { tab.plot - rbind( data.frame(type=rep(1, nrow(tab)), ID=tab[,ID], TIME=tab$TIME, Y=tab$DV), data.frame(type=rep(2, nrow(tab)), ID=tab[,ID], TIME=tab$TIME, Y=tab$PRED), data...
• OUTPUTからの情報抽出
  OUTPUT ファイルからの情報抽出 Web 上で実行記事 記事（追記） 実行場所　http //homepage1.nifty.com/hkasai/NMonal/NMonal.html 複数の OUTPUT ファイルから情報を抽出 あるフォルダ内にある OUTPUT ファイルすべてから必要な情報を抽出する．フォルダ内に OUTPUT ファイル以外のファイルが保存されていても構わない．OUTPUT ファイルのみを認識して，以下の作業が自動的に行われる． 使い方1. 下のプログラム (ReadNMoutMulti.pl および NMoutAnal.pl) をひとつのフォルダに保存する 2. Perl をインストールしておく．（Perl 参照） 3. 以下のように実行する．結果は CSV ファイルに出力される．Summary.csv は使用者が任意につける名前．何でもよい． ### カレ...
• CovarianceMatrixEstimate
  推定値の分散共分散行列 NONMEM のアウトプット中に（$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...
• $COV
  $COV 使用方法 $COV [COMPRESS] [MATRIX=R] [PRINT=E] 使用例 $COV COMPRESS 解説 　パラメータの推定誤差を求める．固定効果 THETA，個体間変動分散 OMEGA，個体内変動分散 SIGMA の標準誤差 (SE)，分散共分散行列，相関行列が計算され，出力される． 　$COV COMPRESS と COMPRESS オプションをつけると，出力形式が若干コンパクトになる． 　デフォルトでは（$COV とのみ指定したときは）NONMEM はいわゆるロバスト分散（サンドイッチ分散）を計算する．モデル分散を求めたい時は MATRIX=R オプションをつける． 　PRINT=E オプションをつけると固有値も出力される．固有値は，条件数（最大固有値と最小固有値の比）の算出に使える．
• 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
• 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 } ...
• 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
• 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), ...
• BayesParameter
  Bayes パラメータ推定値 経験ベイズ (empirical Bayes) 推定値ともいう． See also PosthocParameter
• 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...
• 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( ...
• $TABLEに20以上の変数
  変数を 20 個以上 TABLE に出力したい PRED-defined の変数が多数ある時、$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 ...
• $PRED
  Effect compartment model? の記述 Logistic model? の記述
• コントロールファイル作成のテクニック
  DATA INPUT SUB INFN INFN PK ERROR PRED DES TOLとは THETA OMEGA 相関の取り扱い SIGMA EST COV TABLE $TABLE SIM SUPER $SUPER コントロールファイルの書き方（ルール）
• 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
• $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...
• PosthocParameter
  POSTHOC パラメータ POSTHOC パラメータ推定値を用いて予測した濃度値がいわゆる「個別予測値 (IndividualPrediction)」 経験ベイズパラメータ (empirical Bayes parameter) ともいう (BayesParameter)．厳密には経験ベイズ法による推定値というべきか．
• 母集団解析の目的
  母集団解析で求めることができるもの 母集団パラメータ (PopulationParameters) パラメータの個別推定値 (PosthocParameter あるいは BayesParameter) 目的変数（薬物濃度あるいは薬効）の予測値母集団予測値 (PopulationPrediction) および個別予測値 (IndividualPrediction)
• 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 ...
• 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
• 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)) ...
• PosteriorPredictiveCheck
  Posterior Predictive Check とは http //blog.goo.ne.jp/hkasai/e/a7b5f06c3408fce3a8ab89f2bcf21143 図解 (pdf) 具体的な実施手順 濃度の予測区間 関連記事： http //blog.goo.ne.jp/hkasai/e/4f075ff8022832f6aa45e851da33034d http //blog.goo.ne.jp/hkasai/e/437d5a9932c665811052e58d74eef9cb
• 結果（例題１）
  NONEMM を実行した結果は次のようになる． NO OF OBS. RECS. = 200, NO OF INDIVIDUALS = 50 MINIMIZATION SUCCESSFUL OBJ = 906.380 THETA = 1.02E+00 1.02E+01 OMEGA = 5.05E-02 0.00E+00 4.26E-02 SIGMA = 1.02E-02 SE OF THETA = 3.31E-02 3.27E-01 SE OF OMEGA = 1.29E-02 ......... 1.45E-02 SE OF SIGMA = 1.47E-03
• COVステップの意義
  　COV ステップを省略した際の「収束成功」をどう考えるかに関しては現在議論されているところである（あるいはこの議論はすでに「収束」している？）． 　すなわち COV ステップも成功して初めてその計算が収束したと判断すべきである，という考え方 たとえ COV ステップが失敗していたとしても EST ステップが成功しているならばその計算は収束したと判断してもよい という考え方の二種類である．前者の根拠は，EST ステップのみ成功して COV ステップが失敗しているのはその「収束値」が極小点ではなく，いわゆる鞍点である可能性が高いため，真の収束とは言えない，というものである．一方，後者の根拠は，NONMEM の COV ステップにおいてはある種の「近似計算」が行われており，したがって，COV ステップの失敗を，即，「極小点ではない」という結論に結びつけることはできない，というもので...
• 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...
• PPK/PD解析のスキル
  初級PPK 解析 解析結果の評価 データセット作成 理論 中級PPK 解析 PK/PD 解析 解析結果の評価 データセット作成 シミュレーションDeterministic なシミュレーション モンテカルロシミュレーション 理論 上級PPK 解析 PK/PD 解析 シミュレーション 理論 （以下，順不同です．また，ビギナーレベルに相当するスキルのリストアップはまだほとんどできていません） 初級 PPK 解析 被験者背景の各要因間の関係を把握するために相関係数，直線回帰，(ノンパラ回帰，) ができる． 散布図（行列）を作成できる． NONMEM の解析結果 (OUTPUT) が与えられたとき，「結果を表にまとめる」ことができる． 個別予測 (IPRED) の値をファイルに出力させることができる． ある共変量が PK パラメータに有意な影響を与えるかどうかを検定できる． 解析結...
• 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...
• $DATA
  $DATA 使用方法 $DATA データファイル名 [IGNORE=c1] 使用例 $DATA Data1.csv IGNORE=@ 解説 　原則として，$PROBLEM の次の行に記述する． データファイル名 データが別のフォルダに保存されている場合は，フォルダ名も合わせて記述する．例えば，$DATA Data\Data1.csv のようにする．ファイル名（およびフォルダ名）は大文字・小文字の区別はないので，どちらを用いて記述してもかまわない． IGNORE=c1 データファイルにおいて，文字 c1 で始まる行をコメント行とみなして，無視する．すなわち，その行はデータとして読み込まれない．例えば，IGNORE=C と指定すると，C で始まる行をコメントとみなす．何も指定しない場合は # で始まる行をコメントとみなす．特別な場合として，IGNORE=@...
• OMEGAの構造情報
  NONMEM アウトプットに出力される OMEGA の構造情報のパターンを集めておく． なお，行頭の「行送り制御コード文字」もそのまま転記している． ETA がすべて独立な場合 OMEGA をすべて推定する場合 0OMEGA HAS SIMPLE DIAGONAL FORM WITH DIMENSION n 実際には，n のところに数値が入る． 初期値の情報： 0INITIAL ESTIMATE OF OMEGA 0.4000E-01 0.0000E+00 0.4000E-01 0.0000E+00 0.0000E+00 0.1000E-01 0.0000E+00 0.0000E+00 0.0000E+00 0.1000E-01 OMEGA を一部 FIX する場合 ETA が 4 個で，ETA(4) の分散...
• 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...
• PPCの手順
  Posterior Predictive Check の実施手順 指標 パラメータサンプリング方法 評価 リンク元 PosteriorPredictiveCheck
• $TABLEを二種類作る理由
  $TABLE を二種類作る方がよい理由 次の二種類のテーブルを作成するととても便利． PopulationPrediction および IndividualPrediction のテーブル PosthocParameter のテーブル
• PopulationPrediction
  母集団予測値 固定効果パラメータ θ の推定値を用いた予測値．
• PPK基本モデルの構築
  基本例題 例題１ 例題２ その後の課題 POSTHOC?, IPRED ADVAN4? での解析 定量限界以下濃度の扱い どの PK パラメータに個体間変動を考慮するか 静注製剤の場合ADVAN1?, ADVAN3? 経口，静注が混在する場合 反復投与データの入力ADDL?, SS? 定常状態の考え方定常状態データの入力 点滴データの入力? Tlag? 個体内誤差モデル? 経口製剤だが，吸収相のデータが少ない場合 個体間変動間の相関 FOCE?, FOCE-INTER? 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
• 母集団予測と個別予測
  母集団予測 個別予測．POSTHOC 予測，ということもある．Bayes 予測，とも．
• ブートストラップ
  ブートストラップデータの作成 SAS の PROC MULTTEST を使う．データを最終的に仕上げる際に PROC SQL が必要になる場合が多い．少々面倒． S-Plus の sample() 関数を使う．最終仕上げは merge() 関数で簡単にできる．
• Perl
  Perl のテキスト 結城浩，Perl言語プログラミングレッスン 入門編，ソフトバンクパブリッシング http //d.hatena.ne.jp/asin/4797312211 Perl の入手先 ActivePerl http //www.activestate.com/Products/ActivePerl/
• Tips
  NMFE5.BATの編集 OUTPUTからの情報抽出 $TABLEを二種類作る理由 TABLEが出力されない $TABLEに20以上の変数 $PREDでINFN 推定分散共分散行列の出力 FlipFlopの回避 TOLとは $SUPER 対数変換モデル 変数変換の妥当性 被験者背景シミュレーション 濃度推移の重ね描き
• 濃度の予測区間
  個体間変動と個体内変動を考慮した濃度の予測区間を構成する。 非線形混合効果モデル 　CL と V の個体間変動はいずれも 20%CV、個体内変動は 10% として、5 点 x 100 人のデータを発生させる。そのデータに対して、「真のモデル」(=データ発生に用いたモデル) を用いて FO 法で NONMEM パラメータを推定する。その結果を用いて、パラメトリック・ブートストラップにより個体間変動パラメータをシミュレートして、個体間変動のみを考慮した予測区間を構成。さらに、正規近似を用いて個体内変動分を加算した予測区間を求める。 　以上のプロセスによって 90% 区間をシミュレーションしてみたところ、もともとのデータをどれくらいの割合で含んでいるか？ 種類 カバー率 個体間変動のみ 84% 個体内変動も 96% 　こうやって構成する予測区間と、「元のデータの何割を含んで...
• @wiki全体から「CWRES」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