Сгенерируйте параметры путем выборки ковариационной модели (требует программного обеспечения Statistics and Machine Learning Toolbox),
Этот пример использует данные, собранные по 59 недоношенным детям, данным фенобарбитал в течение первых 16 дней после рождения. Каждый младенец получил начальную дозу, сопровождаемую одной или несколькими дозами поддержки внутривенным администрированием шарика. В общей сложности между 1 и 6 концентрациями измерения получались от каждого младенца время от времени кроме времен дозы для в общей сложности 155 измерений. Младенческие веса и баллы APGAR (мера новорожденного здоровья) были также зарегистрированы. Данные были описаны в [1], исследование, финансируемое NIH/NIBIB, предоставляют 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 отсеком с болюсным введением и линейным разрешением, 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 это ковариационное параметром отношение с помощью ковариационной модели, которая может быть описана как
,
где, для каждого i-ого младенца, V
объем, θs (thetas) являются зафиксированными эффектами, η (ЭТА) представляет случайные эффекты и WEIGHT
ковариант.
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 метку ID группы в GROUP как требуется sbiosampleparameters
функция.
ds.Properties.VariableNames{'ID'} = 'GROUP';
Сгенерируйте значения параметров для объемов центральных отсеков, Центральных на основе ковариационной модели для всех младенцев в наборе данных.
phi = sbiosampleparameters(covM.Expression,thetas,eta1,ds);
Можно затем симулировать модель с помощью произведенных значений параметров. Для удобства используйте подобный функции интерфейс, обеспеченный объектом SimFunction.
Во-первых, создайте объект SimFunction с помощью createSimFunction метода, задав объем (Центральный) как параметр и концентрация препарата в отсеке (Drug_Central) как выход объекта SimFunction и дозируемые разновидности.
f = createSimFunction(onecomp,covM.ParameterNames,'Drug_Central','Drug_Central');
Набор данных ds содержит информацию о дозах для каждого младенца, и объект groupedData обеспечивает удобный способ извлечь такую информацию о дозах. Преобразуйте ds в объект groupedData и извлеките информацию о дозах.
grpData = groupedData(ds);
doses = createDoses(grpData,'DOSE');
Симулируйте модель с помощью произведенных значений параметров от phi и извлеченной информации о дозах каждого младенца, и постройте результаты. I-ый запуск использует i-ое значение параметров в phi и информации о дозах i-ого младенца.
t = sbiotrellis(f(phi,200,doses.getTable),[],'TIME','Drug_Central'); % Resize the figure. t.hFig.Position(:) = [100 100 1280 800];
covexpr
— Ковариационные выраженияКовариационные выражения в виде массива ячеек из символьных векторов или вектора строки, который задает ковариационные параметром отношения.
Если именем компонента модели или ковариационным именем не является допустимый MATLAB® имя переменной, окружите его квадратными скобками при обращении к нему в выражении. Например, если имя разновидности является полимеразой ДНК +, запишите [DNA polymerase+]
. Если само ковариационное имя содержит квадратные скобки, вы не можете использовать его в выражении.
Смотрите CovariateModel object
узнать больше о ковариационных выражениях.
thetas
— Фиксированные эффектыФиксированные эффекты в виде таблицы, набора данных или числового вектора, содержащего значения для фиксированных параметров эффекта, задали в ковариационных выражениях covexpr
. Фиксированные названия параметра эффекта должны запуститься с 'theta'
.
Если thetas
таблица, thetas.Properties.VariableNames
должен совпадать с именами фиксированных эффектов.
Например, предположите, что у вас есть три thetas: thetaOne = 0.1
, theta2 = 0.2
, и theta3 = 0.3
. Можно составить 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
набор данных, thetas.Properties.VarNames
должен совпадать с именами фиксированных эффектов.
Если thetas
числовой вектор, порядок значений в векторе должен быть тем же возрастающим лексикографическим порядком ASCII как фиксированные имена эффекта.
Используйте sort
функционируйте, чтобы отсортировать массив ячеек из символьных векторов, чтобы видеть 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 эффектовКовариационная матрица случайных эффектов в виде таблицы, набора данных или матрицы. Случайные названия параметра эффекта должны запуститься с 'eta'
.
Если omega
таблица, omega.Properties.VariableNames
должен совпадать с именами случайных эффектов. Определение имен строки (RowNames
) является дополнительным, но если вы делаете, они должны также совпадать с именами случайных эффектов.
Предположим, что вы хотите задать диагональную ковариационную матрицу тремя случайными параметрами эффекта eta1
, eta2
, и eta3
со значениями 0.1
, 0.2, и
0.3
, соответственно.
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
набор данных, omega.Properties.VarNames
должен совпадать с именами случайных эффектов. Определение имен строки (ObsNames
) является дополнительным, но если вы делаете, они должны также совпадать с именами случайных эффектов.
Если omega
матрица, строки и столбцы должны иметь тот же возрастающий лексикографический порядок ASCII как случайные имена эффекта.
Используйте sort
функционируйте, чтобы отсортировать массив ячеек из символьных векторов, чтобы видеть порядок.
sort({'eta1','eta2','eta3'})
ans = 1×3 cell array {'eta1'} {'eta2'} {'eta3'}
ds
— Ковариационные данныеКовариационные данные в виде набора данных или таблицы, содержащей ковариационные данные для всех групп.
ds
должен иметь столбец под названием 'Group'
или 'GROUP'
определение меток группы, а также столбца каждый для всех ковариантов используется в ковариационной модели. Имена столбцов должны совпадать с именами соответствующих ковариантов, используемых в ковариационных выражениях.
n
— Количество строк в phi
Количество строк в phi
В виде скаляра.
covmodel
— Ковариационная модельКовариационная модель, возвращенная как a CovariateModel object
который представляет модель, заданную covexpr
.
Предупреждает запуск в R2018b
Поддержка определения числового вектора для фиксированных эффектов (thetas
) или матрица для ковариационной матрицы случайных эффектов (omega
) будет удален в будущем релизе. Используйте таблицу вместо этого.
[1] Грэзела младший, T.H., Донн, S.M. (1985) Неонатальная фармакокинетика населения фенобарбитала выведена из стандартных клинических данных. Фармакол Dev Там. 8 (6), 374–83.
sbiosampleerror
| createSimFunction
| SimFunction object
| CovariateModel object
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.