Параметр, задающий задержку для дозы
LagParameterName свойство RepeatDose или ScheduleDose объект.
Задайте имя объекта параметра, который ограничен по объему к модели. Параметр задает отрезок времени, который требуется для дозы, чтобы достигнуть ее цели, будучи введенным.
Можно параметрировать свойство путем установки его на имя ограниченного по объему моделью параметра, который не изменяется повторным правилом присвоения, алгебраическим правилом или правилом скорости. Однако параметр может быть изменен событием.
| Применяется | Объекты: RepeatDose, ScheduleDose. |
| Тип данных | Символьный вектор. |
| Значения данных | Имя ограниченного по объему моделью объекта параметра. Значением по умолчанию является пустой символьный вектор |
| Доступ | Чтение-запись. |
В этом примере показано, как оценить задержку, прежде чем доза шарика была введена и длительность дозы с помощью модели с одним отсеком.
Загрузите набор выборочных данных.
load lagDurationData.matОтобразите данные на графике.
plot(data.Time,data.Conc,'x') xlabel('Time (hour)') ylabel('Conc (milligram/liter)')
Преобразуйте в groupedData.
gData = groupedData(data);
gData.Properties.VariableUnits = {'hour','milligram/liter'};Создайте модель с одним отсеком.
pkmd = PKModelDesign; pkc1 = addCompartment(pkmd,'Central'); pkc1.DosingType = 'Bolus'; pkc1.EliminationType = 'linear-clearance'; pkc1.HasResponseVariable = true; model = construct(pkmd); configset = getconfigset(model); configset.CompileOptions.UnitConversion = true;
Добавьте два параметра, которые представляют задержку и длительность дозы. Параметр задержки задает задержку, прежде чем доза будет введена. Параметр длительности задает отрезок времени, который требуется, чтобы ввести дозу.
lagP = addparameter(model,'lagP'); lagP.ValueUnits = 'hour'; durP = addparameter(model,'durP'); durP.ValueUnits = 'hour';
Создайте объект дозы. Установите LagParameterName и DurationParameterName свойства дозы к именам параметров задержки и длительности, соответственно. Установите суммарную дозу на 10 миллиграммов, которая была суммой, используемой, чтобы сгенерировать данные.
dose = sbiodose('dose'); dose.TargetName = 'Drug_Central'; dose.StartTime = 0; dose.Amount = 10; dose.AmountUnits = 'milligram'; dose.TimeUnits = 'hour'; dose.LagParameterName = 'lagP'; dose.DurationParameterName = 'durP';
Сопоставьте разновидности модели с соответствующими данными.
responseMap = {'Drug_Central = Conc'};Задайте параметры задержки и длительности как параметры, чтобы оценить. Логарифмическое преобразование параметры. Инициализируйте их к 2 и установите верхнюю границу и нижнюю границу.
paramsToEstimate = {'log(lagP)','log(durP)'};
estimatedParams = estimatedInfo(paramsToEstimate,'InitialValue',2,'Bounds',[1 5]);Выполните оценку параметра.
fitResults = sbiofit(model,gData,responseMap,estimatedParams,dose,'fminsearch')fitResults =
OptimResults with properties:
ExitFlag: 1
Output: [1x1 struct]
GroupName: One group
Beta: [2x4 table]
ParameterEstimates: [2x4 table]
J: [11x2 double]
COVB: [2x2 double]
CovarianceMatrix: [2x2 double]
R: [11x1 double]
MSE: 0.0024
SSE: 0.0213
Weights: []
LogLikelihood: 18.7511
AIC: -33.5023
BIC: -32.7065
DFE: 9
DependentFiles: {1x2 cell}
EstimatedParameterNames: {'lagP' 'durP'}
ErrorModelInfo: [1x3 table]
EstimationFunction: 'fminsearch'
Отобразите результат.
fitResults.ParameterEstimates
ans=2×4 table
Name Estimate StandardError Bounds
________ ________ _____________ ______
{'lagP'} 1.986 0.0051568 1 5
{'durP'} 1.527 0.012956 1 5
plot(fitResults)
