sbiosampleparameters

Сгенерируйте параметры путем выборки ковариатной модели (требует программного обеспечения Statistics and Machine Learning Toolbox)

Свернуть все на странице

Синтаксис

phi = sbiosampleparameters(covexpr,thetas,omega,ds)

phi = sbiosampleparameters(covexpr,thetas,omega,n)

[phi,covmodel]
= sbiosampleparameters(_)

Описание

пример

phi = sbiosampleparameters(covexpr,thetas,omega,ds) генерирует матрицу phi содержащие выборочные значения параметров с использованием ковариатной модели, заданной ковариационным выражением covexpr, фиксированные эффекты thetas, ковариационная матрица omega, и ковариативные данные ds.

пример

phi = sbiosampleparameters(covexpr,thetas,omega,n) использует скаляр n который задает количество строк в phi когда параметры не зависят ни от каких ковариат.

пример

[phi,covmodel] = sbiosampleparameters(_) возвращает матрицу phi и ковариатный объект модели covmodel использование любого из входных параметров из предыдущих синтаксисов.

Примеры

свернуть все

Выборка значений параметров из ковариатной модели

Открыть Live Script

Этот пример использует данные, собранные для 59 недоношенных детей, получавших фенобарбитал в течение первых 16 дней после рождения. Каждый ребенок получал начальную дозу с последующей одной или несколькими поддерживающими дозами при внутривенном введении болюса. В общей сложности от 1 до 6 измерений концентрации получали от каждого ребенка в разы, отличные от времени дозы, в общей сложности 155 измерений. Были также зарегистрированы веса младенцев и счетов APGAR (мера здоровья новорожденных). Данные были описаны в [1], исследовании, финансируемом грантом NIH/NIBIB P41-EB01975.

Загрузите данные.

load pheno.mat ds

Визуализируйте данные.

t = sbiotrellis(ds,'ID','TIME','CONC','marker','o','markerfacecolor',[.7 .7 .7],'markeredgecolor','r','linestyle','none');
t.plottitle = 'States versus Time';

Создайте модель PK с одним отделением с болюсным дозированием и линейным зазором, чтобы смоделировать такие данные.

pkmd = PKModelDesign;
pkmd.addCompartment('Central','DosingType','Bolus','EliminationType','linear-clearance',...
                    'HasResponseVariable',true,'HasLag',false);
onecomp = pkmd.construct;

Предположим, что существует корреляция между объемом центрального отсека (Central) и вес младенцев. Можно задать эту параметрико-ковариатную связь с помощью ковариатной модели, которая может быть описана как

$\log (V_{i}) = θ_{V} + θ_{\frac{V}{W E I G H T}} * W E I G H T_{i} + η_{V, i}$ ,

где, для каждого i-го младенца, V объем, θs (thetas) - зафиксированные эффекты, η (ЭТА) представляет случайные эффекты и WEIGHT - ковариат.

covM = CovariateModel;
covM.Expression = {'Central = exp(theta1+theta2*WEIGHT+eta1)'};

Задайте фиксированные и случайные эффекты. Имена столбцов каждой таблицы должны иметь имена фиксированных эффектов и случайных эффектов, соответственно.

thetas = table(1.4,0.05,'VariableNames',{'theta1','theta2'});
eta1 = table(0.2,'VariableNames',{'eta1'});

Измените идентификатор метки группы на GROUP в соответствии с требованиями sbiosampleparameters функция.

ds.Properties.VariableNames{'ID'} = 'GROUP';

Сгенерируйте значения параметров для объемов центральных отсеков Central на основе ковариатной модели для всех младенцев в наборе данных.

phi = sbiosampleparameters(covM.Expression,thetas,eta1,ds);

Затем можно симулировать модель с помощью выборочных значений параметров. Для удобства используйте функциональный интерфейс, предоставляемый объектом SimFunction.

Сначала создайте объект SimFunction с помощью метода createSimFunction, задав в качестве параметра том (Central) и концентрацию препарата в отсеке (Drug_Central) как выход объекта SimFunction и дозированных видов.

f = createSimFunction(onecomp,covM.ParameterNames,'Drug_Central','Drug_Central');

Набор данных ds содержит информацию о дозах для каждого младенца, и объект groupedData предоставляет удобный способ извлечения такой информации о дозах. Преобразуйте ds в объект groupedData и извлеките информацию о дозах.

grpData = groupedData(ds);
doses = createDoses(grpData,'DOSE');

Симулируйте модель с помощью выборочных значений параметров из phi и извлеченной информации о дозах каждого ребенка и постройте график результатов. i-й прогон использует i-й значения параметров в phi и информацию о дозах i-го младенца.

t = sbiotrellis(f(phi,200,doses.getTable),[],'TIME','Drug_Central');
% Resize the figure.
t.hFig.Position(:) = [100 100 1280 800];

Входные параметры

свернуть все

`covexpr` - Ковариатные выражения
массив ячеек из векторов символов | строковый вектор

Ковариатные выражения, заданные как массив ячеек из векторов символов или строкового вектора, который задает параметро-ковариатные отношения.

Если имя компонента модели или ковариатное имя не является допустимым MATLAB^® имя переменной, окружайте ее квадратными скобками при обращении к ней в выражении. Например, если имя вида - ДНК +, напишите [DNA polymerase+]. Если само ковариационное имя содержит квадратные скобки, вы не можете использовать его в выражении.

Посмотрите CovariateModel object чтобы узнать больше о ковариатных выражениях.

`thetas` - Фиксированные эффекты
таблица | набор данных | числовой вектор

Фиксированные эффекты, заданные как таблица, набор данных или числовой вектор, содержащий значения для параметров фиксированного эффекта, определенных в ковариатных выражениях covexpr. Имена параметров фиксированного эффекта должны начинаться с 'theta'.

Если thetas является таблицей, thetas.Properties.VariableNames должны совпадать с именами фиксированных эффектов.
Например, предположим, что у вас есть три thetas: thetaOne = 0.1, theta2 = 0.2, и theta3 = 0.3. Можно создать соответствующую таблицу.
```
thetas = table(0.1,0.2,0.3);
thetas.Properties.VariableNames = {'thetaOne','theta2','theta3'}
```
```
thetas =

  1×3 table

    thetaOne    theta2    theta3
    ________    ______    ______

      0.1        0.2       0.3  
```
Если thetas является набором данных, thetas.Properties.VarNames должны совпадать с именами фиксированных эффектов.
Если thetas является числовым вектором, порядок значений в векторе должен быть таким же возрастающим порядком словаря ASCII, как и имена фиксированных эффектов.
Используйте sort функция для сортировки массива ячеек из векторов символов, чтобы увидеть порядок.
```
sort({'thetaOne','theta2','theta3'})
```
```
ans =

  1×3 cell array

    {'theta2'}    {'theta3'}    {'thetaOne'}
```
Затем задайте значение каждого theta в том же порядке.
```
thetas = [0.2 0.3 0.1];
```

`omega` - Ковариационная матрица случайных эффектов
таблица | матрица | набора данных

Ковариационная матрица случайных эффектов, заданная в виде таблицы, набора данных или матрицы. Имена параметров случайного эффекта должны начинаться с 'eta'.

Если omega является таблицей, omega.Properties.VariableNames должны совпадать с именами случайных эффектов. Определение имен строк (RowNames) необязательно, но если вы это делаете, они также должны совпадать с именами случайных эффектов.
Предположим, что вы хотите задать диагональную ковариационную матрицу с тремя параметрами случайного эффекта eta1, eta2, и eta3 со значениями 0.1, 0.2, и 0.3, соответственно.
$[\begin{array}{l} C o v (η_{1}, η_{1}) C o v (η {}_{1}, η_{2}) C o v (η_{1}, η_{3}) \\ C o v (η_{2}, η_{1}) C o v (η_{2}, η_{2}) C o v (η_{2}, η_{3}) \\ C o v (η_{3}, η_{1}) C o v (η_{3}, η_{2}) C o v (η_{3}, η_{3}) \end{array}] = [\begin{array}{l} e t a 1 0 0 \\ 0 e t a 2 0 \\ 0 0 e t a 3 \end{array}]$
Можно создать соответствующую таблицу.
```
eta1 = [0.1;0;0];
eta2 = [0;0.2;0];
eta3 = [0;0;0.3];
omega = table(eta1,eta2,eta3,'VariableNames',{'eta1','eta2','eta3'})
```
```
omega =

  3×3 table

    eta1    eta2    eta3
    ____    ____    ____

    0.1       0       0 
      0     0.2       0 
      0       0     0.3 
```
Если omega является набором данных, omega.Properties.VarNames должны совпадать с именами случайных эффектов. Определение имен строк (ObsNames) необязательно, но если вы это делаете, они также должны совпадать с именами случайных эффектов.
Если omega является матрицей, строки и столбцы должны иметь такой же возрастающий порядок словаря ASCII, как и имена случайных эффектов.
Используйте sort функция для сортировки массива ячеек из векторов символов, чтобы увидеть порядок.
```
sort({'eta1','eta2','eta3'})
```
```
ans =

  1×3 cell array

    {'eta1'}    {'eta2'}    {'eta3'}
```

`ds` - Ковариатные данные
набор данных | таблица

Ковариатные данные, заданные как набор данных или таблица, содержащая ковариатные данные для всех групп.

ds должен иметь столбец с именем 'Group' или 'GROUP' определение меток групп, а также столбцов для всех ковариат, используемых в ковариатной модели. Имена столбцов должны совпадать с именами соответствующих ковариат, используемых в ковариатных выражениях.

`n` - Количество строк в `phi`
скаляр

Количество строк в phi, заданный как скаляр.

Выходные аргументы

свернуть все

`phi` - Выборочные значения параметров
матрица

Дискретизированные значения параметров, возвращенные как матрица размера S-на-P, где S - количество групп, заданное в ds или определяется n и P - количество параметров, равное количеству элементов в covexpr.

`covmodel` - Ковариатная модель
Объект CovariateModel

Ковариатная модель, возвращенная как CovariateModel object который представляет модель, заданную как covexpr.

Вопросы совместимости

расширить все

Поддержка числовых векторных и матричных входов для фиксированных и случайных эффектов будет удалена

Предупреждает, начиная с R2018b

Поддержка определения числового вектора для фиксированных эффектов (thetas) или матрица для ковариационной матрицы случайных эффектов (omega) будет удалено в следующем релизе. Вместо этого используйте таблицу.

Ссылки

[1] Грасела-младший, T.H., Donn, S.M. (1985) Фармакокинетика неонатального населения фенобарбитала, полученная из рутинных клинических данных. Dev Pharmacol Ther. 8(6), 374–83.

См. также

CovariateModel object | createSimFunction | sbiosampleerror | SimFunction object

Введенный в R2014a

Документация

sbiosampleparameters

Синтаксис

Описание

Примеры

Выборка значений параметров из ковариатной модели

Входные параметры

`covexpr` - Ковариатные выражения
массив ячеек из векторов символов | строковый вектор

`thetas` - Фиксированные эффекты
таблица | набор данных | числовой вектор

`omega` - Ковариационная матрица случайных эффектов
таблица | матрица | набора данных

`ds` - Ковариатные данные
набор данных | таблица

`n` - Количество строк в `phi`
скаляр

Выходные аргументы

`phi` - Выборочные значения параметров
матрица

`covmodel` - Ковариатная модель
Объект CovariateModel

Вопросы совместимости

Поддержка числовых векторных и матричных входов для фиксированных и случайных эффектов будет удалена

Ссылки

См. также

Документация SimBiology

Поддержка

Документация

sbiosampleparameters

Синтаксис

Описание

Примеры

Выборка значений параметров из ковариатной модели

Входные параметры

covexpr - Ковариатные выражения массив ячеек из векторов символов | строковый вектор

thetas - Фиксированные эффекты таблица | набор данных | числовой вектор

omega - Ковариационная матрица случайных эффектов таблица | матрица | набора данных

ds - Ковариатные данные набор данных | таблица

n - Количество строк в phi скаляр

Выходные аргументы

phi - Выборочные значения параметров матрица

covmodel - Ковариатная модель Объект CovariateModel

Вопросы совместимости

Поддержка числовых векторных и матричных входов для фиксированных и случайных эффектов будет удалена

Ссылки

См. также

Документация SimBiology

Поддержка

`covexpr` - Ковариатные выражения
массив ячеек из векторов символов | строковый вектор

`thetas` - Фиксированные эффекты
таблица | набор данных | числовой вектор

`omega` - Ковариационная матрица случайных эффектов
таблица | матрица | набора данных

`ds` - Ковариатные данные
набор данных | таблица

`n` - Количество строк в `phi`
скаляр

`phi` - Выборочные значения параметров
матрица

`covmodel` - Ковариатная модель
Объект CovariateModel