Загрузить данные

Загрузите образцы данных для подгонки.

load data10_32R.mat
gData = groupedData(data);
gData.Properties.VariableUnits = {'','hour','milligram/liter','milligram/liter'};
sbiotrellis(gData,'ID','Time',{'CentralConc','PeripheralConc'},'Marker','+',...
            'LineStyle','none');

Создать модель

Создайте двухкамерную модель.

pkmd                 = PKModelDesign;
pkc1                 = addCompartment(pkmd,'Central');
pkc1.DosingType      = 'Infusion';
pkc1.EliminationType = 'linear-clearance';
pkc1.HasResponseVariable = true;
pkc2                 = addCompartment(pkmd,'Peripheral');
model                = construct(pkmd);
configset            = getconfigset(model);
configset.CompileOptions.UnitConversion = true;

Определение дозирования

Определите дозу инфузии.

dose             = sbiodose('dose','TargetName','Drug_Central');
dose.StartTime   = 0;
dose.Amount      = 100;
dose.Rate        = 50;
dose.AmountUnits = 'milligram';
dose.TimeUnits   = 'hour';
dose.RateUnits   = 'milligram/hour';

Определение параметров

Определите параметры для оценки.

responseMap = {'Drug_Central = CentralConc','Drug_Peripheral = PeripheralConc'};
paramsToEstimate   = {'log(Central)','log(Peripheral)','Q12','Cl_Central'};
estimatedParam     = estimatedInfo(paramsToEstimate,...
                                   'InitialValue',[1 1 1 1],...
                                   'Bounds',[0.1 3;0.1 10;0 10;0.1 2]);

Подгонка модели

Выполнить незаполненную подгонку, то есть один набор оценочных параметров для каждого пациента.

unpooledFit = sbiofit(model,gData,responseMap,estimatedParam,dose,'Pooled',false);

Выполните объединенную подгонку, то есть один набор оценочных параметров для всех пациентов.

pooledFit = sbiofit(model,gData,responseMap,estimatedParam,dose,'Pooled',true);

Вычислить доверительные интервалы для расчетных параметров

Вычислите 95% доверительные интервалы для каждого оцениваемого параметра в незаполненной посадке с использованием гауссова приближения.

ciParamUnpooled = sbioparameterci(unpooledFit);

Постройте график доверительных интервалов. Если состояние оценки доверительного интервала равно success, он отображается синим цветом (первый цвет по умолчанию). В противном случае он отображается красным цветом (вторым цветом по умолчанию), что указывает на необходимость дальнейшего изучения соответствующих параметров. Если доверительный интервал равен not estimableзатем функция отображает красную линию и центрированное пересечение. Если есть какие-либо преобразованные параметры с оценочными значениями, которые равны 0 (для логарифмического преобразования) и 1 или 0 (для пробита или логитового преобразования), то для этих оценок параметров не строятся доверительные интервалы. Для просмотра порядка цветов введите get(groot,'defaultAxesColorOrder').

Группы отображаются слева направо в том же порядке, в котором они отображаются в GroupNames свойство объекта, используемое для маркировки оси X. Y-метки являются преобразованными именами параметров.

plot(ciParamUnpooled)

Печать с использованием одного цвета.

plot(ciParamUnpooled,'Color',[0 0 0])

Вычислите доверительные интервалы для объединенной посадки.

ciParamPooled = sbioparameterci(pooledFit);

Постройте график доверительных интервалов. Имя группы помечено как «объединенное» для указания такой посадки.

plot(ciParamPooled)

Постройте график всех результатов доверительного интервала вместе. По умолчанию доверительный интервал для каждой оценки параметров отображается в виде отдельных осей. Вертикальные пунктирные линии группируют доверительные интервалы оценок параметров, которые были вычислены в общей посадке. Границы параметров, определенные в исходной посадке, отмечены квадратными скобками (если они видны в выводимом диапазоне параметров).

ciAll = [ciParamUnpooled;ciParamPooled];
plot(ciAll)

Можно также построить график всех доверительных интервалов на одной оси, сгруппированной по оценкам параметров, используя компоновку «Сгруппировано».

plot(ciAll,'Layout','Grouped')

В этом формате можно указать на маркер центра каждого доверительного интервала, чтобы увидеть имя группы. Каждый расчетный параметр разделен вертикальной черной линией. Вертикальные пунктирные линии группируют доверительные интервалы оценок параметров, которые были вычислены в общей посадке. Границы параметров, определенные в исходной посадке, отмечены квадратными скобками (если они видны в выводимом диапазоне параметров). Обратите внимание на различные масштабы на оси Y из-за преобразований параметров. Например, ось y Q12 в линейном масштабе, но Central находится в масштабе журнала из-за его преобразования.

Вычислить доверительные интервалы с использованием вероятности профиля

Вычислите 95% доверительные интервалы для каждого оцененного параметра в незаполненной посадке с использованием подхода правдоподобия профиля.

ciParamUnpooledProf = sbioparameterci(unpooledFit,'Type','profilelikelihood');

Вычислите доверительные интервалы для объединенной посадки.

ciParamPooledProf = sbioparameterci(pooledFit,'Type','profilelikelihood');

Постройте график кривых правдоподобия профиля для незаполненной посадки. Границы параметров, определенные в исходной посадке, отображаются вертикальными пунктирными линиями (если они видны в печатаемом диапазоне параметров). Доверительный интервал обозначается двумя пересечениями и линией между ними. Центральная точка обозначает оценку параметра. Вероятность профиля всегда отображается в логарифмической шкале. Масштаб оси X зависит от того, будет ли параметр преобразован (масштаб log, probit или logit) или нет (линейный масштаб).

plot(ciParamUnpooledProf,'ProfileLikelihood',true);

Каждая группа выводится на печать в отдельной строке, а каждый параметр - в отдельном столбце.

Постройте график кривых для объединенного вписывания.

plot(ciParamPooledProf,'ProfileLikelihood',true);

Постройте график всех результатов доверительного интервала на одном и том же рисунке.

plot([ciParamUnpooledProf;ciParamPooledProf],'ProfileLikelihood',true);