R语言－药物代谢动力学数据分析包－『转』

biostar

Analysis of Pharmacokinetic Data 药物（代谢）动力学数据分析
网址：http://cran.r-project.org/web/views/Pharmacokinetics.html
维护人员：Suzette Blanchard
版本：2008-02-15
翻译：R-fox, 2008-04-12

药物（代谢）动力学数据分析的主要目的是用非线性浓度时间曲线（concentration time curve）或相关的总结（如曲线下面积）确定给药方案（dosing regimen）和身体对药物反应间的关系。R基本包里的nls()函数用非线性最小二乘估计法估计非线性模型的参数，返回nls类的对象，有coef()，formula()， resid()，print()， summary()，AIC()，fitted() and vcov()等方法。

在主要目的实现后，兴趣就转移到研究属性（如：年龄、体重、伴随用药、肾功能）不同的人群是否需要改变药物剂量。在药物（代谢）动力学领域，分析多个个体的组合数据估计人群参数被称作群体药动学（population PK）。非线性混合模型为分析群体药动学数据提供了自然的工具，包括概率或贝叶斯估计方法。

nlme包用Lindstrom和Bates提出的概率方法拟合非线性混合效应模型(1990, Biometrics 46, 673-87)，允许nested随机效应（nested random effects），组内误差允许相关的或不等的方差。返回一个nlme类的对象表示拟合结果，结果可用print()，plot()和summary()方法输出。nlme对象给出了细节的结果信息和提取方法。
nlmeODE包组合odesolve包和nlme包做混合效应建模，包括多个药动学/药效学(PK/PD)模型。

面版数据(panel data)的贝叶斯估计方法在CRAN的Bayesian Inference任务列表里有所描述（http://cran.r-project.org/web/views/Bayesian.html）。

PKtools包为nlme，NONMEM 和WinBUGS包提供单剂量群体药动学数据的接口，分别返回"PKNLME"，"NONMEM"和"WinBUGS"类的对象；促进了混合似然和贝叶斯方法的使用。PKtools包的其它函数有：AICcomp()函数从NONMEM和nlme计算模型的AIC, AICc (small sample AIC)和对数似然值。paramEst()和indEst()分别返回群体和个体参数，对NONMEM类使用最大似然法，对nlme类使用广义最小二乘法，对WinBUGS类使用MCMC贝叶斯估计法。HTMLtools()和tex()函数分别输出群体和个体参数的HTML和LaTeX报道文件，和诊断图（diagnostic plot）便于用户选择估计方法。还能分别产生HTMLtools和tex文件里的诊断图。

其它的分析药物（代谢）动力学数据的包还有：PK，PKfit和drc。VR包束的MASS包包括一些基本的方法，如：计算Logit或Probit模型的半数致死计量LD50。

分析药物（代谢）动力学数据的图形展示也非常重要，lattice包的trellis图用来可视化面板数据。