Параметр, задающий временную задержку для дозы
LagParameterName является свойством RepeatDose или ScheduleDose объект.
Задайте имя объекта параметра, который относится к модели. Параметр определяет время, необходимое для достижения дозой своей цели после введения.
Можно параметризовать свойство, установив его на имя параметра со сценарием модели, который не изменяется повторяющимся правилом назначения, алгебраическим правилом или правилом скорости. Однако параметр может быть изменен событием.
| Применяется к | Объекты: RepeatDose, ScheduleDose. |
| Тип данных | Вектор символов. |
| Значения данных | Имя объекта параметра со сценарием модели. Значение по умолчанию является пустым символьным вектором |
| Доступ | Чтение/запись. |
Этот пример показывает, как оценить задержку перед введением болюсной дозы и длительность дозы с помощью модели с одним отделением.
Загрузите выборочные данные набор.
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 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 во времени и длительность дозы. Параметр lag определяет временную задержку перед введением дозы. Параметр длительности задает время, необходимое 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 именам параметров задержки и длительности, соответственно. Установите суммарную дозу в 10 миллиграммов, которая была количеством, используемым 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 вид модели с соответствующими данными.
responseMap = {'Drug_Central = Conc'};Задайте параметры задержки и длительности как параметры для оценки. Логарифмическое преобразование параметров. Инициализируйте их равными 2 и установите верхнюю и нижнюю границы.
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)
