找回密码
 注册
查看: 289|回复: 0

R语言 saemix包 theo.saemix()函数中文帮助文档(中英文对照)

[复制链接]
发表于 2012-9-29 21:28:17 | 显示全部楼层 |阅读模式
theo.saemix(saemix)
theo.saemix()所属R语言包:saemix

                                        Pharmacokinetics of theophylline, in SAEM format
                                         茶碱的药代动力学,在SAEM格式

                                         译者:生物统计家园网 机器人LoveR

描述----------Description----------

The theo.saemix data frame has 132 rows and 6 columns of data from an experiment on the pharmacokinetics of theophylline. A column with gender was
theo.saemix数据框有132行6列的茶碱的药代动力学实验数据。 A柱与性别


用法----------Usage----------


theo.saemix



格式----------Format----------

This data frame contains the following columns:         
该数据框包含以下几列:

Id:       an ordered factor with levels 1, ..., 12 identifying the subject on whom the observation was made.  The ordering is by Time at which the observation was made.  
ID:一个有序的因素与水平1,...,12观察确定的主题。顺序是按时间的观察。

Dose:       dose of theophylline administered orally to the subject (mg/kg).  
剂量:剂量茶碱口服的主题(毫克/千克)。

Time:       time since drug administration when the sample was drawn (hr).  
时间:时间,因为提取样品时,药品监督管理(HR)。

Concentration:       theophylline concentration in the sample (mg/L).  
浓度:茶碱样品中的浓度(毫克/升)。

Weight:       weight of the subject (kg).  
的主体重量:重量(公斤)。

Sex:       gender of the subject (0=men, 1=women).   
性别的主题:性别(0 =男性,1名女性)。


Details

详细信息----------Details----------

Boeckmann, Sheiner and Beal (1994) report data from a study by Dr. Robert Upton of the kinetics of the anti-asthmatic drug theophylline.  Twelve subjects were given oral doses of theophylline then serum concentrations were measured at 11 time points over the next 25 hours. In the present package npde, we removed the data at time 0.
伯克曼,略•申纳尔和比尔(1994年)的抗哮喘的药物茶碱的动力学罗伯特·厄普顿博士的研究报告数据。 12名受试者口服剂量的茶碱血药浓度进行测定,在未来25小时内的11个时间点。在目前包npde的,我们删除了数据在时间0。

These data are analyzed in Davidian and Giltinan (1995) and Pinheiro and Bates (2000) using a two-compartment open pharmacokinetic model.
使用二室药代动力学模型,分析这些数据在大卫和Giltinan的(1995)和皮涅罗和Bates(2000)。

These data are also available in the library datasets under the name Theoph in a slightly modified format and including the data at time 0.
这些数据也可在图书馆datasets的名义下Theoph在略作修改的格式,包括时间为0的数据。


源----------Source----------

Boeckmann, A. J., Sheiner, L. B. and Beal, S. L. (1994), NONMEM Users Guide: Part V, NONMEM Project Group, University of California, San Francisco.
伯克曼,AJ,略•申纳尔,LB和比尔,SL(1994年),NONMEM用户指南:第五部分,NONMEM项目组,美国加州大学旧金山。

Davidian, M. and Giltinan, D. M. (1995) Nonlinear Models for Repeated Measurement Data, Chapman & Hall (section 5.5, p. 145 and section 6.6, p. 176)
大卫,M.和Giltinan的,DM(1995)重复测量数据的非线性模型,查普曼和霍尔(第5.5节,第145和第6.6节,第176页)

Pinheiro, J. C. and Bates, D. M. (2000) Mixed-effects Models in S and S-PLUS, Springer (Appendix A.29)
皮涅罗,JC和Bates,DM(2000年)的混合效应模型中的S和S-PLUS,施普林格(附录A.29)


实例----------Examples----------


data(theo.saemix)
saemix.data<-saemixData(name.data=theo.saemix,header=TRUE,sep=" ",na=NA,
  name.group=c("Id"),name.predictors=c("Dose","Time"),
  name.response=c("Concentration"),name.covariates=c("Weight","Sex"),
  units=list(x="hr",y="mg/L",covariates=c("kg","-")), name.X="Time")

model1cpt<-function(psi,id,xidep) {
          dose<-xidep[,1]
          tim<-xidep[,2]  
          ka<-psi[id,1]
          V<-psi[id,2]
          CL<-psi[id,3]
          k<-CL/V
          ypred<-dose*ka/(V*(ka-k))*(exp(-k*tim)-exp(-ka*tim))
          return(ypred)
}
# Default model, no covariate[默认的模型,不协]
saemix.model<-saemixModel(model=model1cpt,
  description="One-compartment model with first-order absorption",
  psi0=matrix(c(1.,20,0.5,0.1,0,-0.01),ncol=3,byrow=TRUE,
  dimnames=list(NULL, c("ka","V","CL"))),transform.par=c(1,1,1))

# Note: remove the options save=FALSE and save.graphs=FALSE [注:删除的选项= FALSE和save.graphs = FALSE]
# to save the results and graphs[保存的结果和图表]
saemix.options<-list(seed=632545,save=FALSE,save.graphs=FALSE)

saemix.fit<-saemix(saemix.model,saemix.data,saemix.options)

# Model with covariates[模型的协变量]
saemix.model<-saemixModel(model=model1cpt,
  description="One-compartment model with first-order absorption",
  psi0=matrix(c(1.,20,0.5,0.1,0,-0.01),ncol=3,byrow=TRUE,
  dimnames=list(NULL, c("ka","V","CL"))),transform.par=c(1,1,1),
  covariate.model=matrix(c(0,0,1,0,0,0),ncol=3,byrow=TRUE),fixed.estim=c(1,1,1),
  covariance.model=matrix(c(1,0,0,0,1,1,0,1,1),ncol=3,byrow=TRUE),
  omega.init=matrix(c(1,0,0,0,1,0,0,0,1),ncol=3,byrow=TRUE),error.model="combined")

saemix.options<-list(seed=39546,save=FALSE,save.graphs=FALSE)

saemix.fit<-saemix(saemix.model,saemix.data,saemix.options)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注:
注1:为了方便大家学习,本文档为生物统计家园网机器人LoveR翻译而成,仅供个人R语言学习参考使用,生物统计家园保留版权。
注2:由于是机器人自动翻译,难免有不准确之处,使用时仔细对照中、英文内容进行反复理解,可以帮助R语言的学习。
注3:如遇到不准确之处,请在本贴的后面进行回帖,我们会逐渐进行修订。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

手机版|小黑屋|生物统计家园 网站价格

GMT+8, 2024-11-29 00:35 , Processed in 0.024652 second(s), 15 queries .

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表