Загрузка данных

Загрузите выборочные данные в соответствии.

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

Создайте модель

Создайте модель с двумя отсеками.

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;

Определите дозирование

Определите капельное внутривенное введение.

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';

Определите параметры

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

Выполните неохлажденную подгонку, то есть один набор предполагаемых параметров для каждого пациента.

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

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

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

Вычисление доверительных интервалов для предполагаемых параметров

Вычислите 95% доверительные интервалы для каждого оцененного параметра в неохлажденной подгонке с помощью Гауссова приближения.

ciParamUnpooled = sbioparameterci(unpooledFit);

Постройте график доверительных интервалов. Если статус оценки доверия интервала success, он нанесен синим цветом (первый цвет по умолчанию). В противном случае он нанесен красным цветом (второй цвет по умолчанию), что указывает на необходимость дальнейшего исследования установленных параметров. Если доверительный интервал not estimable, затем функция строит график красной линии и центрированного креста. Если существуют какие-либо преобразованные параметры с оценочными значениями, которые являются 0 (для преобразования журнала) и 1 или 0 (для преобразования probit или logit), то никакое доверие интервалы не строятся для этих оценок параметра. Чтобы увидеть порядок цвета, введите get(groot,'defaultAxesColorOrder').

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

plot(ciParamUnpooled)

Постройте график с использованием одного цвета.

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

Вычислите доверительные интервалы для объединенной подгонки.

ciParamPooled = sbioparameterci(pooledFit);

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

plot(ciParamPooled)

Постройте график всех результатов доверительного интервала вместе. По умолчанию доверительный интервал для каждой оценки параметра строится в отдельных осях. Вертикальные пунктирные линии группируют доверительные интервалы оценок параметров, которые были вычислены в общей подгонке. Границы параметра, заданные в исходной подгонке, отмечены квадратными скобками (если они видны в нанесённой области значений параметров).

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

Можно также построить график всех доверительных интервалов на одной оси, сгруппированной по оценкам параметров, с помощью размещения 'Grouped'.

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

В этом размещении можно указать на маркер центра каждого доверительного интервала, чтобы увидеть имя группы. Каждый оценочный параметр разделяется вертикальной черной линией. Вертикальные пунктирные линии группируют доверительные интервалы оценок параметров, которые были вычислены в общей подгонке. Границы параметра, заданные в исходной подгонке, отмечены квадратными скобками (если они видны в нанесённой области значений параметров). Обратите внимание на различные шкалы на оси Y из-за преобразований параметров. Для образца ось Y Q12 находится в линейной шкале, но в Central находится в шкале журнала из-за ее журнала преобразования.

Вычисление доверительных интервалов с использованием вероятности профиля

Вычислите 95% доверительные интервалы для каждого оцененного параметра в неохлажденной подгонке с помощью подхода вероятности профиля.

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

Вычислите доверительные интервалы для объединенной подгонки.

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

Постройте график кривых вероятности профиля для неохлажденной подгонки. Границы параметров, заданные в исходной подгонке, отображаются вертикальными пунктирными линиями (если они видны в нанесённой области значений параметров). Интервал доверия обозначается двумя крестами и линией между ними. Центральная точка обозначает оценку параметра. Вероятность профиля всегда строится в шкале журнала. Шкала оси X зависит от того, преобразуется ли параметр (логарифмическая, пробитная или логитная шкала) или нет (линейная шкала).

plot(ciParamUnpooledProf,'ProfileLikelihood',true);

Каждая группа нанесена на график в отдельной строке, и каждый параметр нанесен на график в отдельном столбце.

Постройте график кривых для объединенной подгонки.

plot(ciParamPooledProf,'ProfileLikelihood',true);

Постройте график всего доверия интервала на одном рисунке.

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