sbiofitmixed | Подгонка нелинейной модели смешанных эффектов (требует программного обеспечения Statistics and Machine Learning Toolbox) |
sbionlmefit | Оцените нелинейные смешанные эффекты с помощью моделей SimBiology (требует программного обеспечения Statistics and Machine Learning Toolbox) |
sbionlmefitsa | Оцените нелинейные смешанные эффекты с помощью стохастического алгоритма EM (требует программного обеспечения Statistics and Machine Learning Toolbox) |
sbiosampleparameters | Сгенерируйте параметры путем выборки ковариатной модели (требует программного обеспечения Statistics and Machine Learning Toolbox) |
sbiosampleerror | Дискретизируйте ошибку на основе модели ошибки и добавьте шум к данным моделирования |
sbiofitstatusplot | Статус графика оценки нелинейных смешанных эффектов |
CovariateModel object | Задайте связь между параметрами и ковариатами |
groupedData | Табличный набор данных и метаданных |
EstimatedInfo object | Объект, содержащий информацию о предполагаемых величинах модели |
Observable | Объект, содержащий выражение для вычислений после постсимуляции |
NLMEResults object | Объект результатов, содержащий результаты оценки нелинейного моделирования смешанных эффектов |
| SimBiology Model Builder | Создание моделей биологии QSP, PK/PD и механистических систем в интерактивном режиме |
| SimBiology Model Analyzer | Анализ моделей биологии QSP, PK/PD и механистических систем |
Моделирование популяционной фармакокинетики фенобарбитала у новорожденных
Этот пример показывает, как создать простую нелинейную модель смешанных эффектов на основе клинических фармакокинетических данных.
Нелинейное моделирование смешанных эффектов
Модель смешанных эффектов является статистической моделью, которая включает как фиксированные эффекты, так и случайные эффекты.
Поддерживаемые методы оценки параметров в SimBiology
SimBiology® поддерживает различные методы оптимизации для задач оценки методом наименьших квадратов и смешанных эффектов.
SimBiology поддерживает модели ошибок, описанные в следующей таблице.
Выполните подбор данных с помощью моделей PK/PD
SimBiology позволяет вам оценить параметры модели, подгоняя модель к экспериментальным данным о течении времени, используя методы нелинейной регрессии или смешанных эффектов (NLME).
