JP2015181853A - 薬物動態パラメータの推定方法及び薬物動態パラメータの推定プログラム - Google Patents
薬物動態パラメータの推定方法及び薬物動態パラメータの推定プログラム Download PDFInfo
- Publication number
- JP2015181853A JP2015181853A JP2014063011A JP2014063011A JP2015181853A JP 2015181853 A JP2015181853 A JP 2015181853A JP 2014063011 A JP2014063011 A JP 2014063011A JP 2014063011 A JP2014063011 A JP 2014063011A JP 2015181853 A JP2015181853 A JP 2015181853A
- Authority
- JP
- Japan
- Prior art keywords
- blood concentration
- value
- pharmacokinetic parameter
- log
- equation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 295
- 230000014509 gene expression Effects 0.000 claims abstract description 243
- 239000008280 blood Substances 0.000 claims abstract description 230
- 210000004369 blood Anatomy 0.000 claims abstract description 230
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 66
- 230000004069 differentiation Effects 0.000 claims abstract description 58
- 239000013598 vector Substances 0.000 claims abstract description 58
- 239000003814 drug Substances 0.000 claims abstract description 47
- 229940079593 drug Drugs 0.000 claims abstract description 47
- 238000005259 measurement Methods 0.000 claims description 198
- 238000004364 calculation method Methods 0.000 claims description 83
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000002360 preparation method Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 24
- 230000006870 function Effects 0.000 description 55
- 230000007704 transition Effects 0.000 description 32
- 239000000243 solution Substances 0.000 description 28
- 230000008569 process Effects 0.000 description 18
- 238000012986 modification Methods 0.000 description 14
- 230000004048 modification Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000001647 drug administration Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008030 elimination Effects 0.000 description 6
- 238000003379 elimination reaction Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 6
- 230000001131 transforming effect Effects 0.000 description 6
- 238000001802 infusion Methods 0.000 description 5
- 230000004087 circulation Effects 0.000 description 4
- 230000001839 systemic circulation Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000036765 blood level Effects 0.000 description 3
- OVSKIKFHRZPJSS-UHFFFAOYSA-N 2,4-D Chemical compound OC(=O)COC1=CC=C(Cl)C=C1Cl OVSKIKFHRZPJSS-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000002552 dosage form Substances 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 238000010255 intramuscular injection Methods 0.000 description 2
- 239000007927 intramuscular injection Substances 0.000 description 2
- 238000001990 intravenous administration Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229940126585 therapeutic drug Drugs 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
以上において、
m:血中濃度測定回数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
ωc:σj/c(tj,x)で与えられる変動係数
である。上記方法選択ステップにおいて最尤法が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に含む。
以上において、
m:血中濃度測定回数
n:薬物動態パラメータ数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σc:jによらず同じ値をとる場合のcjの標準偏差
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
μi:xi(i=1,2,・・・,n)の平均
μ-i(但し、"-"は文字μのアッパーラインの意味である。):log(xi)の平均
σi:xiの標準偏差
σ-i(但し、"-"は文字σのアッパーラインの意味である。):log(xi)の標準偏差
ωc:σc/c(tj,x)で与えられる変動係数
ωi:σi/μiで与えられる変動係数
x-i(但し、"-"は文字xのアッパーラインの意味である。):log(xi)
である。上記方法選択ステップにおいてベイズ推定が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に含む。
以上において、
m:血中濃度測定回数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
ωc:σj/c(tj,x)で与えられる変動係数
である。上記方法選択ステップにおいて最尤法が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に実行させる。
以上において、
m:血中濃度測定回数
n:薬物動態パラメータ数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σc:jによらず同じ値をとる場合のcjの標準偏差
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
μi:xi(i=1,2,・・・,n)の平均
μ-i(但し、"-"は文字μのアッパーラインの意味である。):log(xi)の平均
σi:xiの標準偏差
σ-i(但し、"-"は文字σのアッパーラインの意味である。):log(xi)の標準偏差
ωc:σc/c(tj,x)で与えられる変動係数
ωi:σi/μiで与えられる変動係数
x-i(但し、"-"は文字xのアッパーラインの意味である。):log(xi)
である。上記方法選択ステップにおいてベイズ推定が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に実行させる。
本発明に係る薬物動態パラメータの推定方法によって推定される薬物動態パラメータは、コンパートメントモデルに追随して決まる。ここで、コンパートメントモデルは、薬物動態に関する体内のモデルである。コンパートメントモデルは、対象となる薬剤によって決まる。
CPU11がRAM12に格納された上記プログラムを実行することによって、薬物動態パラメータを推定する処理が図2のフローチャートに従って実行される。以下に、当該処理の概要が説明される。
以下、図2のステップS20において実行される方法選択ステップが説明される。方法選択ステップは、CPU11によって実行される。CPU11は、未知の薬物動態パラメータの個数と、測定回数とを比較する。
以下、図2のステップS30において実行される式選択ステップが説明される。式選択ステップは、ユーザがモデルを選択するステップと、CPU11がユーザによって選択されたモデルに応じて、後述する推定ステップ(図2のステップS40)において用いる基本式に決定するステップとを含む。ここで、基本式は、薬物動態パラメータxiのベクトルx=(x1,x2,・・・,xn)Tの関数s(x)で表される。
cj:時刻tjにおける血中濃度測定値、c(tj)=c(tj,x):時刻tjにおける血中濃度理論値、σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差、ωc:σj/c(tj,x)で与えられる変動係数である。
以下、図2のステップS40において実行される推定ステップの詳細が、図7のフローチャートに基づいて説明される。推定ステップは、CPU11が上記プログラムに従って以下に詳述する演算を実行することによって実現される。
本実施形態は、方法選択ステップ(S20)を含む。これにより、血中濃度の測定回数が薬物動態パラメータxiの個数以上の場合、過去のデータから得られた母集団パラメータを用いることなく、最尤法によって薬物動態パラメータxiを推定することができる。一方、血中濃度の測定回数が薬物動態パラメータxiの個数未満の場合、母集団パラメータを用いて、ベイズ推定によって薬物動態パラメータxiを推定することができる。
上述の実施形態では、CPU11が、未知の薬物動態パラメータの数と測定回数とを比較し、その比較の結果によって、最尤法とベイズ推定とを選択していた。しかし、最尤法とベイズ推定との選択は、ユーザによって行われてもよい。例えば、図8に示されるように、データ入力画面31に、最尤法における正規分布モデル1、正規分布モデル2、及び対数正規分布モデル、並びに、ベイズ推定における正規分布モデル1、正規分布モデル2、及び対数正規分布モデルを選択するためのモデル選択領域45を設けてもよい。これにより、ユーザは、データ入力画面31において、推定方法及び当該推定方法におけるモデルを選択することができる。この場合、測定回数が未知の薬物動態パラメータの個数よりも多い場合であっても、ベイズ推定を選択することができる。
上述の実施形態では、各推定方法(最尤法及びベイズ推定)におけるモデル選択は、ユーザがモデル選択画面35において選択することによって行われていた。しかし、上記モデル選択は、CPU11によって自動的に行われてもよい。例えば、CPU11は、データ入力画面31においてユーザに入力された測定データや、大容量記憶部13に格納された母集団パラメータなどに基づいて、最適と判断されるモデルを選択してもよい。具体的には、CPU11は、最尤法が選択されている場合において測定データが概ね正規分布に従い且つ誤差が略一定の場合に、正規分布モデル1を選択する。
上述の実施形態では、初期値準備ステップ(図7のステップS210)において、CPU11は、1つの初期値x(0)を準備したが、複数の初期値x(0)を準備してもよい。この際、各初期値x(0)は、上述の実施形態と同様に、ボックス・ミューラー法を用いて作成されてもよい。
11・・・CPU
31・・・データ入力画面
35・・・モデル選択画面
36・・・モデル選択画面
41・・・血中濃度推移画面
以上において、
m:血中濃度測定回数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
ωc:σj/c(tj,x)で与えられる変動係数
である。上記方法選択ステップにおいて最尤法が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に含む。
以上において、
m:血中濃度測定回数
n:薬物動態パラメータ数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σc:jによらず同じ値をとる場合のcjの標準偏差
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
μi:xi(i=1,2,・・・,n)の平均
μ-i(但し、"-"は文字μのアッパーラインの意味である。):log(xi)の平均
σi:xiの標準偏差
σ-i(但し、"-"は文字σのアッパーラインの意味である。):log(xi)の標準偏差
ωc:σc/c(tj,x)で与えられる変動係数
ωi:σi/μiで与えられる変動係数
x-i(但し、"-"は文字xのアッパーラインの意味である。):log(xi)
である。上記方法選択ステップにおいてベイズ推定が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に含む。
以上において、
m:血中濃度測定回数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
ωc:σj/c(tj,x)で与えられる変動係数
である。上記方法選択ステップにおいて最尤法が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に実行させる。
以上において、
m:血中濃度測定回数
n:薬物動態パラメータ数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σc:jによらず同じ値をとる場合のcjの標準偏差
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
μi:xi(i=1,2,・・・,n)の平均
μ-i(但し、"-"は文字μのアッパーラインの意味である。):log(xi)の平均
σi:xiの標準偏差
σ-i(但し、"-"は文字σのアッパーラインの意味である。):log(xi)の標準偏差
ωc:σc/c(tj,x)で与えられる変動係数
ωi:σi/μiで与えられる変動係数
x-i(但し、"-"は文字xのアッパーラインの意味である。):log(xi)
である。上記方法選択ステップにおいてベイズ推定が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に実行させる。
本発明に係る薬物動態パラメータの推定方法によって推定される薬物動態パラメータは、コンパートメントモデルに追随して決まる。ここで、コンパートメントモデルは、薬物動態に関する体内のモデルである。コンパートメントモデルは、対象となる薬剤によって決まる。
CPU11がRAM12に格納された上記プログラムを実行することによって、薬物動態パラメータを推定する処理が図2のフローチャートに従って実行される。以下に、当該処理の概要が説明される。
以下、図2のステップS20において実行される方法選択ステップが説明される。方法選択ステップは、CPU11によって実行される。CPU11は、未知の薬物動態パラメータの個数と、測定回数とを比較する。
以下、図2のステップS30において実行される式選択ステップが説明される。式選択ステップは、ユーザがモデルを選択するステップと、CPU11がユーザによって選択されたモデルに応じて、後述する推定ステップ(図2のステップS40)において用いる基本式に決定するステップとを含む。ここで、基本式は、薬物動態パラメータxiのベクトルx=(x1,x2,・・・,xn)Tの関数s(x)で表される。
cj:時刻tjにおける血中濃度測定値、c(tj)=c(tj,x):時刻tjにおける血中濃度理論値、σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差、ωc:σj/c(tj,x)で与えられる変動係数である。
以下、図2のステップS40において実行される推定ステップの詳細が、図7のフローチャートに基づいて説明される。推定ステップは、CPU11が上記プログラムに従って以下に詳述する演算を実行することによって実現される。
本実施形態は、方法選択ステップ(S20)を含む。これにより、血中濃度の測定回数が薬物動態パラメータxiの個数以上の場合、過去のデータから得られた母集団パラメータを用いることなく、最尤法によって薬物動態パラメータxiを推定することができる。一方、血中濃度の測定回数が薬物動態パラメータxiの個数未満の場合、母集団パラメータを用いて、ベイズ推定によって薬物動態パラメータxiを推定することができる。
上述の実施形態では、CPU11が、未知の薬物動態パラメータの数と測定回数とを比較し、その比較の結果によって、最尤法とベイズ推定とを選択していた。しかし、最尤法とベイズ推定との選択は、ユーザによって行われてもよい。例えば、図8に示されるように、データ入力画面31に、最尤法における正規分布モデル1、正規分布モデル2、及び対数正規分布モデル、並びに、ベイズ推定における正規分布モデル1、正規分布モデル2、及び対数正規分布モデルを選択するためのモデル選択領域45を設けてもよい。これにより、ユーザは、データ入力画面31において、推定方法及び当該推定方法におけるモデルを選択することができる。この場合、測定回数が未知の薬物動態パラメータの個数よりも多い場合であっても、ベイズ推定を選択することができる。
上述の実施形態では、各推定方法(最尤法及びベイズ推定)におけるモデル選択は、ユーザがモデル選択画面35において選択することによって行われていた。しかし、上記モデル選択は、CPU11によって自動的に行われてもよい。例えば、CPU11は、データ入力画面31においてユーザに入力された測定データや、大容量記憶部13に格納された母集団パラメータなどに基づいて、最適と判断されるモデルを選択してもよい。具体的には、CPU11は、最尤法が選択されている場合において測定データが概ね正規分布に従い且つ誤差が略一定の場合に、正規分布モデル1を選択する。
上述の実施形態では、初期値準備ステップ(図7のステップS210)において、CPU11は、1つの初期値x(0)を準備したが、複数の初期値x(0)を準備してもよい。この際、各初期値x(0)は、上述の実施形態と同様に、ボックス・ミューラー法を用いて作成されてもよい。
11・・・CPU
31・・・データ入力画面
35・・・モデル選択画面
36・・・モデル選択画面
41・・・血中濃度推移画面
Claims (12)
- 患者から採取された血液における薬物の血中濃度から薬物動態パラメータxi(i=1,2,・・・,n)を推定する方法であって、
薬物動態パラメータxiを推定する方法として最尤法またはベイズ推定の何れかが選択される方法選択ステップと、
上記方法選択ステップにおいて選択された方法における基本式である上記薬物動態パラメータxiのベクトルx=(x1,x2,・・・,xn)Tの関数s(x)に対して2階偏微分を実行し、当該2階偏微分によって得られた式から同一の薬物動態パラメータxiによる2階偏導関数の項を削除した近似式に修正マルカート法を適用して上記関数s(x)を最小化し、最小化した際の上記ベクトルxを求めることによって、上記薬物動態パラメータxiを推定する推定ステップと、を含む薬物動態パラメータの推定方法。 - 最尤法における上記関数s(x)は、
時刻tjにおける血中濃度測定値cjが正規分布N(c(tj),σc 2)に従う場合、以下の(式1)であり、
上記血中濃度測定値cjが正規分布N(c(tj),{ωc×c(tj)}2)に従う場合、以下の(式2)であり、
上記血中濃度測定値cjの対数値log(cj)が正規分布N(log{c(tj)},(σ-c 2))(但し、"-"は文字σのアッパーラインの意味である。)に従う場合、以下の(式3)であり、
以上において、
m:血中濃度測定回数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
ωc:σj/c(tj,x)で与えられる変動係数
であり、
上記方法選択ステップにおいて最尤法が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に含む請求項1に記載の薬物動態パラメータの推定方法。 - ベイズ推定における上記関数s(x)は、
時刻tjにおける血中濃度測定値cjが正規分布N(c(tj),σc 2)に従い且つ薬物動態パラメータxiが正規分布N(μj,σi 2)に従う場合、以下の(式4)であり、
上記血中濃度測定値cjが正規分布N(c(tj),{ωc×c(tj)}2)に従い且つ薬物動態パラメータxiが正規分布N(μj,(ωi×μi)2)に従う場合、以下の(式5)であり、
上記血中濃度測定値cjの対数値log(cj)が正規分布N(log{c(tj)},(σ-c 2))(但し、"-"は文字σのアッパーラインの意味である。)に従い且つ薬物動態パラメータxiの対数値log(xi)が正規分布N(μ-i,σ-i 2)(但し、"-"は文字μ,σそれぞれのアッパーラインの意味である。)に従う場合、以下の(式6)であり、
以上において、
m:血中濃度測定回数
n:薬物動態パラメータ数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σc:jによらず同じ値をとる場合のcjの標準偏差
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
μi:xi(i=1,2,・・・,n)の平均
μ-i(但し、"-"は文字μのアッパーラインの意味である。):log(xi)の平均
σi:xiの標準偏差
σ-i(但し、"-"は文字σのアッパーラインの意味である。):log(xi)の標準偏差
ωc:σc/c(tj,x)で与えられる変動係数
ωi:σi/μiで与えられる変動係数
x-i(但し、"-"は文字xのアッパーラインの意味である。):log(xi)
であり、
上記方法選択ステップにおいてベイズ推定が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に含む請求項1に記載の薬物動態パラメータの推定方法。 - 上記推定ステップは、
上記ベクトルxの初期値x(0)=(x1 (0),x2 (0),・・・,xn (0))Tを準備し、最小値が更新されたか否かを表す指標であるrの初期値をr=0と準備する初期値準備ステップと、
上記式選択ステップにおいて選択された式から、上記ベクトルxのi(iは0以上の整数)番目の近似値であるx(i)=(x1 (i),x2 (i),・・・,xn (i))T、及びΔx=(Δx1,Δx2,・・・,Δxn)Tを含む行列による式を導出し、当該行列による式において上記Δxに対するn元連立一次方程式を解き、x'=x(i)+Δxとおく計算ステップと、
上記計算ステップにおいて上記n元連立一次方程式を解いた結果、s(x')<s(x(i))であることを条件として、rをmin(0,r-1)とし且つiに1を加えてx(i)=x'とし、s(x')>=s(x(i))であることを条件として、rに1を加える変数変更ステップと、
上記変数変更ステップの実行後に、i>=Mまたはr>=N(但し、M,Nは予め設定された正の整数定数)である第1条件を具備することを条件として、s(x)が収束しないと判定し、|s(x(i+1))-s(x(i))|<ε且つ|Δx|<δ且つr=0(但し、ε,δは予め設定された実数正数)である第2条件を具備することを条件として、s(x)が収束すると判定する判定ステップと、
上記判定ステップにおいて、s(x)が収束すると判定されたことを条件として、そのときのx(i)の各成分を薬物動態パラメータxiとする決定ステップと、を含み、
上記計算ステップは、上記初期値準備ステップの実行が完了したこと、または、上記判定ステップにおいて上記第1条件及び上記第2条件を具備しないことを条件として実行される請求項2または3に記載の薬物動態パラメータの推定方法。 - 上記推定ステップは、
上記初期値準備ステップにおいて、上記ベクトルxの初期値x(0)を複数個準備し、
上記決定ステップは、複数個の初期値x(0)の各々について上記計算ステップ、上記変数変更ステップ、及び上記判定ステップが実行された結果、s(x)が最も小さく収束したときのx(i)の各成分を薬物動態パラメータxiと決定する請求項4に記載の薬物動態パラメータの推定方法。 - 上記初期値準備ステップにおいて、上記ベクトルxの初期値x(0)は、ボックス・ミューラー法によって作成される請求項4または5に記載の薬物動態パラメータの推定方法。
- 患者から採取された血液における薬物の血中濃度から薬物動態パラメータxi(i=1,2,・・・,n)を推定するためのプログラムであって、
薬物動態パラメータxiを推定する方法として最尤法またはベイズ推定の何れかが選択される方法選択ステップと、
上記方法選択ステップにおいて選択された方法における基本式である上記薬物動態パラメータxiのベクトルx=(x1,x2,・・・,xn)Tの関数s(x)に対して2階偏微分を実行し、当該2階偏微分によって得られた式から同一の薬物動態パラメータxiによる2階偏導関数の項を削除した近似式に修正マルカート法を適用して上記関数s(x)を最小化し、最小化した際の上記ベクトルxを求めることによって、上記薬物動態パラメータxiを推定する推定ステップと、を実行させる薬物動態パラメータの推定プログラム。 - 最尤法における上記関数s(x)は、
時刻tjにおける血中濃度測定値cjが正規分布N(c(tj),σc 2)に従う場合、以下の(式1)であり、
上記血中濃度測定値cjが正規分布N(c(tj),{ωc×c(tj)}2)に従う場合、以下の(式2)であり、
上記血中濃度測定値cjの対数値log(cj)が正規分布N(log{c(tj)},(σ-c 2))(但し、"-"は文字σのアッパーラインの意味である。)に従う場合、以下の(式3)であり、
以上において、
m:血中濃度測定回数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
ωc:σj/c(tj,x)で与えられる変動係数
であり、
上記方法選択ステップにおいて最尤法が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に実行させる請求項7に記載の薬物動態パラメータの推定プログラム。 - ベイズ推定における上記関数s(x)は、
時刻tjにおける血中濃度測定値cjが正規分布N(c(tj),σc 2)に従い且つ薬物動態パラメータxiが正規分布N(μj,σi 2)に従う場合、以下の(式4)であり、
上記血中濃度測定値cjが正規分布N(c(tj),{ωc×c(tj)}2)に従い且つ薬物動態パラメータxiが正規分布N(μj,(ωi×μi)2)に従う場合、以下の(式5)であり、
上記血中濃度測定値cjの対数値log(cj)が正規分布N(log{c(tj)},(σ-c 2))(但し、"-"は文字σのアッパーラインの意味である。)に従い且つ薬物動態パラメータxiの対数値log(xi)が正規分布N(μ-i,σ-i 2)(但し、"-"は文字μ,σそれぞれのアッパーラインの意味である。)に従う場合、以下の(式6)であり、
以上において、
m:血中濃度測定回数
n:薬物動態パラメータ数
tj:j回目の測定時刻(j=1,2,・・・,m)
cj:時刻tjにおける血中濃度測定値
c(tj)=c(tj,x):時刻tjにおける血中濃度理論値
σc:jによらず同じ値をとる場合のcjの標準偏差
σ-c(但し、"-"は文字σのアッパーラインの意味である。):jによらず同じ値をとる場合のlog(cj)の標準偏差
μi:xi(i=1,2,・・・,n)の平均
μ-i(但し、"-"は文字μのアッパーラインの意味である。):log(xi)の平均
σi:xiの標準偏差
σ-i(但し、"-"は文字σのアッパーラインの意味である。):log(xi)の標準偏差
ωc:σc/c(tj,x)で与えられる変動係数
ωi:σi/μiで与えられる変動係数
x-i(但し、"-"は文字xのアッパーラインの意味である。):log(xi)
であり、
上記方法選択ステップにおいてベイズ推定が選択された場合に、当該3つの式の何れかが選択される式選択ステップを更に実行させる請求項7に記載の薬物動態パラメータの推定プログラム。 - 上記推定ステップは、
上記ベクトルxの初期値x(0)=(x1 (0),x2 (0),・・・,xn (0))Tを準備し、最小値が更新されたか否かを表す指標であるrの初期値をr=0と準備する初期値準備ステップと、
上記式選択ステップにおいて選択された式から、上記ベクトルxのi(iは0以上の整数)番目の近似値であるx(i)=(x1 (i),x2 (i),・・・,xn (i))T、及びΔx=(Δx1,Δx2,・・・,Δxn)Tを含む行列による式を導出し、当該行列による式において上記Δxに対するn元連立一次方程式を解き、x'=x(i)+Δxとおく計算ステップと、
上記計算ステップにおいて上記n元連立一次方程式を解いた結果、s(x')<s(x(i))であることを条件として、rをmin(0,r-1)とし且つiに1を加えてx(i)=x'とし、s(x')>=s(x(i))であることを条件として、rに1を加える変数変更ステップと、
上記変数変更ステップの実行後に、i>=Mまたはr>=N(但し、M,Nは予め設定された正の整数定数)である第1条件を具備することを条件として、s(x)が収束しないと判定し、|s(x(i+1))-s(x(i))|<ε且つ|Δx|<δ且つr=0(但し、ε,δは予め設定された実数正数)である第2条件を具備することを条件として、s(x)が収束すると判定する判定ステップと、
上記判定ステップにおいて、s(x)が収束すると判定されたことを条件として、そのときのx(i)の各成分を薬物動態パラメータxiとする決定ステップと、を実行させ、
上記計算ステップは、上記初期値準備ステップの実行が完了したこと、または、上記判定ステップにおいて上記第1条件及び上記第2条件を具備しないことを条件として実行される請求項8または9に記載の薬物動態パラメータの推定プログラム。 - 上記推定ステップは、
上記初期値準備ステップにおいて、上記ベクトルxの初期値x(0)を複数個準備し、
上記決定ステップは、複数個の初期値x(0)の各々について上記計算ステップ、上記変数変更ステップ、及び上記判定ステップが実行された結果、s(x)が最も小さく収束したときのx(i)の各成分を薬物動態パラメータxiと決定する請求項10に記載の薬物動態パラメータの推定プログラム。 - 上記初期値準備ステップにおいて、上記ベクトルxの初期値x(0)は、ボックス・ミューラー法によって作成される請求項10または11に記載の薬物動態パラメータの推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014063011A JP6301171B2 (ja) | 2014-03-26 | 2014-03-26 | 薬物動態パラメータの推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014063011A JP6301171B2 (ja) | 2014-03-26 | 2014-03-26 | 薬物動態パラメータの推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015181853A true JP2015181853A (ja) | 2015-10-22 |
JP6301171B2 JP6301171B2 (ja) | 2018-03-28 |
Family
ID=54349090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014063011A Active JP6301171B2 (ja) | 2014-03-26 | 2014-03-26 | 薬物動態パラメータの推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6301171B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7462182B2 (ja) | 2020-02-26 | 2024-04-05 | 学校法人日本大学 | 薬物血中濃度予測装置、薬物血中濃度予測プログラム及び薬物血中濃度予測方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07124125A (ja) * | 1993-11-04 | 1995-05-16 | S R L:Kk | 薬物投与解析システム |
JP2007279999A (ja) * | 2006-04-06 | 2007-10-25 | Hitachi Ltd | 薬物動態解析システム及び方法 |
-
2014
- 2014-03-26 JP JP2014063011A patent/JP6301171B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07124125A (ja) * | 1993-11-04 | 1995-05-16 | S R L:Kk | 薬物投与解析システム |
JP2007279999A (ja) * | 2006-04-06 | 2007-10-25 | Hitachi Ltd | 薬物動態解析システム及び方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7462182B2 (ja) | 2020-02-26 | 2024-04-05 | 学校法人日本大学 | 薬物血中濃度予測装置、薬物血中濃度予測プログラム及び薬物血中濃度予測方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6301171B2 (ja) | 2018-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ette et al. | Population pharmacokinetics II: estimation methods | |
Crawford et al. | Sex, lies and self-reported counts: Bayesian mixture models for heaping in longitudinal count data via birth-death processes | |
Ogden et al. | Estimation in regression models with externally estimated parameters | |
JP2019128904A (ja) | 予測システム、シミュレーションシステム、方法およびプログラム | |
Zhang et al. | A phase I Bayesian adaptive design to simultaneously optimize dose and schedule assignments both between and within patients | |
CN115398550A (zh) | 使用深度学习估计药代动力学参数 | |
Hu et al. | Partially linear transformation cure models for interval-censored data | |
Neely et al. | Pharmacometric modeling and simulation is essential to pediatric clinical pharmacology | |
JP2007279999A (ja) | 薬物動態解析システム及び方法 | |
JP6301171B2 (ja) | 薬物動態パラメータの推定プログラム | |
McLatchie et al. | Robust and efficient projection predictive inference | |
Xin | A study of ties and time-varying covariates in cox proportional hazards model | |
Teitelbaum et al. | Limited sampling strategies supporting individualized dose adjustment of intravenous busulfan in children and young adults | |
JP5976130B2 (ja) | 運動効果分析システム | |
JP2015535699A (ja) | 組織梗塞形成のリスク予測 | |
Ghosh et al. | Joint modeling of longitudinal data and informative dropout time in the presence of multiple changepoints | |
US20210241116A1 (en) | Quantification and estimation based on digital twin output | |
Hyun et al. | Gumbel regression models for a monotone increasing continuous biomarker subject to measurement error | |
Savic et al. | Evaluation of an extended grid method for estimation using nonparametric distributions | |
Laird et al. | Longitudinal data modeling | |
KR102276884B1 (ko) | Sat 모델 추정 방법 및 장치 | |
Yuan et al. | A novel quantification of information for longitudinal data analyzed by mixed‐effects modeling | |
Rizzo et al. | Meta-Analysis of Odds Ratios With Incomplete Extracted Data | |
Liu | A joint model of an internal time-dependent covariate and bivariate time-to-event data with an application to muscular dystrophy surveillance, tracking and research network data | |
Weber et al. | Hierarchical expectation propagation for Bayesian aggregation of average data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170201 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171121 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180115 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6301171 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |