Параметр, определяющий временной лаг для дозы
LagParameterName является свойством RepeatDose или ScheduleDose объект.
Укажите имя объекта параметра в области модели. Параметр определяет время, необходимое для достижения дозой цели после введения.
Свойство можно параметризовать, задав для него имя параметра в области модели, который не изменяется повторяющимся правилом назначения, алгебраическим правилом или правилом скорости. Однако параметр может быть изменен событием.
| Относится к | Объекты: RepeatDose, ScheduleDose. |
| Тип данных | Символьный вектор. |
| Значения данных | Имя объекта параметра в области модели. Значение по умолчанию - пустой символьный вектор |
| Доступ | Чтение/запись. |
Этот пример показывает, как оценить временную задержку до введения болюсной дозы и продолжительность дозы с использованием однокамерной модели.
Загрузите образец набора данных.
load lagDurationData.matПостройте график данных.
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 однокамерную модель.
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 временной лаг и продолжительность дозы. Параметр запаздывания определяет время запаздывания до введения дозы. Параметр длительности определяет продолжительность времени, которое требуется для введения дозы.
lagP = addparameter(model,'lagP'); lagP.ValueUnits = 'hour'; durP = addparameter(model,'durP'); durP.ValueUnits = 'hour';
Создайте объект дозы. Установите LagParameterName и DurationParameterName свойства дозы к названиям параметров запаздывания и длительности соответственно. Установите количество дозы в 10 миллиграмм, которое было количеством, использованным для генерации данных.
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 виды модели с соответствующими данными.
responseMap = {'Drug_Central = Conc'};Укажите параметры задержки и длительности в качестве параметров для оценки. Выполните преобразование параметров. Инициализируйте их как 2 и установите верхнюю и нижнюю границы.
paramsToEstimate = {'log(lagP)','log(durP)'};
estimatedParams = estimatedInfo(paramsToEstimate,'InitialValue',2,'Bounds',[1 5]);Выполните оценку параметров.
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'
Просмотрите 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)
