រូបតំណាង 7.5 Nonmem Nonlinear Mixed Effects ការណែនាំអ្នកប្រើប្រាស់

NONMEM® គឺជាឧបករណ៍គំរូបែបផែនចម្រុះដែលមិនមែនជាលីនេអ៊ែរដែលប្រើក្នុងការវិភាគឱសថសាស្ត្រចំនួនប្រជាជន — pharmacodynamic (PK/PD) ។ កម្មវិធីនេះត្រូវបានបង្កើតឡើងដោយ NONMEM Project Group នៅសាកលវិទ្យាល័យកាលីហ្វ័រញ៉ា សាន់ហ្វ្រាន់ស៊ីស្កូ។ សហគមន៍គំរូ PK/PD បានពឹងផ្អែកលើការប្រើប្រាស់កម្មវិធីស្ថិតិNONMEM®អស់រយៈពេលជាង 30 ឆ្នាំ។ ទិន្នន័យ PK កម្រិតថ្នាំ និងទិន្នន័យ PD ឆ្លើយតបនឹងថ្នាំត្រូវបានប្រមូលជាធម្មតាពីការសិក្សាគ្លីនិកនៃភ្នាក់ងារឱសថ។ ការធ្វើគំរូត្រឹមត្រូវនៃទិន្នន័យទាំងនេះពាក់ព័ន្ធនឹងគណនេយ្យសម្រាប់ទាំងដែលមិនអាចពន្យល់បានរវាង និងក្នុងផលប៉ះពាល់ប្រធានបទ (ឥទ្ធិពលចៃដន្យ) ក៏ដូចជាផលប៉ះពាល់ដែលបានវាស់វែង (ឥទ្ធិពលថេរ)។

ការធ្វើគំរូបែបនេះមានប្រយោជន៍ជាពិសេសនៅពេលដែលមានការវាស់វែង PK ឬ PD មួយចំនួនពីបុគ្គលនីមួយៗampដឹកនាំក្នុងចំនួនប្រជាជន ឬនៅពេលដែលការរចនាការប្រមូលទិន្នន័យប្រែប្រួលគួរឱ្យកត់សម្គាល់រវាងបុគ្គលទាំងនេះ។ ការវិភាគស្ថិតិសមស្របជាមួយ NONMEM ដោយប្រើគំរូសមស្របជួយឱ្យក្រុមហ៊ុនឱសថកំណត់យុទ្ធសាស្ត្រកម្រិតថ្នាំសមរម្យសម្រាប់ផលិតផលរបស់ពួកគេ និងបង្កើនការយល់ដឹងអំពីយន្តការ និងអន្តរកម្មឱសថ។ NONMEM ក៏អាចក្លែងធ្វើទិន្នន័យសម្រាប់ភាពខុសគ្នានៃបញ្ហា PK/PD ចំនួនប្រជាជនទាំងនេះផងដែរ។

ការអភិវឌ្ឍន៍បន្តនៃ NONMEM មានសារៈសំខាន់ចំពោះអតិថិជនរបស់យើង។ ការផ្លាស់ប្តូរដែលត្រូវបានបញ្ចូលទៅក្នុងកំណែថ្មីគឺឆ្លើយតបទៅនឹងសំណើរបស់អតិថិជន និងពីការយល់ដឹងរបស់អ្នកអភិវឌ្ឍន៍របស់យើងអំពីការកែលម្អមួយចំនួនដែលត្រូវការ ដូចជាការកើនឡើងនៃភាពជោគជ័យក្នុងការដោះស្រាយបញ្ហា ល្បឿនកាន់តែច្រើន ការប្រើប្រាស់អង្គចងចាំតូចជាងមុន និងការគណនាប៉ារ៉ាឡែលនៃកុំព្យូទ័រ។ បញ្ហាតែមួយ។

កម្មវិធី
NONMEM គឺជាកម្មវិធីវិវឌ្ឍ ដែលឆ្លុះបញ្ចាំងពីវិធីសាស្រ្តសាកល្បង និងការកែលម្អកម្មវិធី។ NONMEM ត្រូវ​បាន​បង្កើត​ឡើង​ដោយ​អនុលោម​តាម​ដំណើរ​ការ​វដ្ត​ជីវិត​នៃ​ការ​អភិវឌ្ឍ​កម្មវិធី​ដ៏រឹងមាំ (SDLC) ដោយ​មាន​ឯកសារ​គាំទ្រ​តាម​ស្តង់ដារ​គុណភាព​កម្រិត​ឧស្សាហកម្ម។ កម្មវិធីនេះត្រូវបានសាកល្បងយ៉ាងពេញលេញ ដំណើរការដូចការរំពឹងទុក មានលក្ខណៈវិទ្យាសាស្ត្រ និងស័ក្តិសមសម្រាប់ការប្រើប្រាស់សម្រាប់ការវិភាគស្ថិតិ និងអាចទទួលយកបានសម្រាប់ការចេញផ្សាយដល់អតិថិជន។ កម្មវិធីមានបីផ្នែក៖

• NONMEM ខ្លួនវាជាកម្មវិធីតំរែតំរង់ដែលមិនមែនជាលីនេអ៊ែរជាមូលដ្ឋាន និងទូទៅ
• PREDPP ដែលជាកញ្ចប់ដ៏មានអានុភាពនៃទម្រង់ការរងដែលគ្រប់គ្រងទិន្នន័យប្រជាជន PK ក៏ដូចជាគំរូទូទៅ និងមិនមែនលីនេអ៊ែរ ដែលអាចដោះលែងអ្នកប្រើប្រាស់ពីការសរសេរកូដសមីការប្រភេទ kinetic ស្តង់ដារ m/herself ក្នុងពេលដំណាលគ្នាអនុញ្ញាតឱ្យទិន្នន័យប្រភេទអ្នកជំងឺស្មុគស្មាញត្រូវបានវិភាគយ៉ាងងាយស្រួល។
• NM-TRAN ដែលជាឧបករណ៍ដំណើរការមុនដែលអនុញ្ញាតឱ្យការគ្រប់គ្រង និងធាតុបញ្ចូលដែលត្រូវការផ្សេងទៀតត្រូវបានបញ្ជាក់ក្នុងលក្ខណៈងាយស្រួលប្រើ។ ទាំង NONMEM និង NM-TRAN គឺជាកម្មវិធីប្រភេទបាច់។

NONMEM
ផ្តល់នូវសំណុំលទ្ធផលយ៉ាងទូលំទូលាយ files ជាមួយនឹងលទ្ធផលដែលដាក់ក្នុងទម្រង់តារាង ដើម្បីងាយស្រួលក្នុងការបញ្ចូលទៅក្នុងកម្មវិធីស្ថិតិ និងក្រាហ្វិកក្រោយដំណើរការ។

NONMEM 7.5 រួមបញ្ចូលមុខងារដូចខាងក្រោម

1. វិធីសាស្ត្រវិភាគចំនួនប្រជាជនខាងក្រោមមានសម្រាប់ដោះស្រាយបញ្ហាផ្សេងៗនៃការវិភាគចំនួនប្រជាជន PK/PD៖
   • ការប៉ាន់ស្មានតាមលក្ខខណ្ឌលំដាប់ទីមួយ (FOCE)
   • ការប៉ាន់ស្មានតាមលក្ខខណ្ឌ Laplace
   • ដដែលៗ ពីរ សtagអ៊ី (ITS)
   • សារៈសំខាន់ Sampling Expectation-Maximization (IMP)
   • Stochastic Approximation Expectation-Maximization (SAEM)
   • ការវិភាគ Markov-Chain Monte Carlo Bayesian (BAYES, NUTS)
2. ការគណនាប៉ារ៉ាឡែលនៃបញ្ហាតែមួយលើស្នូលច្រើន ឬកុំព្យូទ័រ សម្រាប់ការប៉ាន់ប្រមាណ ការវាយតម្លៃភាពដូចគ្នា ការក្លែងធ្វើការវិភាគ nonparametric និងប៉ារ៉ាម៉ែត្រ posthoc និងការវាយតម្លៃសំណល់ដែលមានទម្ងន់ កាត់បន្ថយពេលវេលាបញ្ចប់យ៉ាងច្រើន។
3. បង្កើនប្រសិទ្ធភាពនៃការបែងចែកអង្គចងចាំថាមវន្ត ដើម្បីដោះស្រាយបញ្ហាធំៗ ដោយលុបបំបាត់តម្រូវការក្នុងការចងក្រងកម្មវិធី NONMEM ឡើងវិញសម្រាប់បញ្ហាធំខុសពីធម្មតា។
4. បច្ចេកទេសដើម្បីកែលម្អការអនុវត្តរបស់ FOCEI រួមទាំងការកើនឡើងនៃឧប្បត្តិហេតុនៃភាពជោគជ័យ បញ្ជាក់ភាពជាក់លាក់នៃជម្រាល ការកើនឡើងនៃឧប្បត្តិហេតុនៃការឈានដល់កម្រិតអប្បបរមាជាសកល និងក្បួនដោះស្រាយរហ័សដែលបង្កើនល្បឿនការប៉ាន់ស្មានយ៉ាងខ្លាំង។
5. ការបង្កើនប្រសិទ្ធភាពដោយស្វ័យប្រវត្តិនៃការកំណត់សម្រាប់ការប្រើប្រាស់កាន់តែងាយស្រួលនៃវិធីសាស្ត្រវិភាគ Monte Carlo
6. អ្នកដោះស្រាយ ODE ថ្មី CVODES និង IDAS ជាមួយនឹងការគ្រប់គ្រងតាមតម្រូវការសម្រាប់ការវិភាគប្រកបដោយប្រសិទ្ធភាពនៃសមីការឌីផេរ៉ង់ស្យែល និងពិជគណិតឌីផេរ៉ង់ស្យែល (លំនឹង)
7. ក្បួនដោះស្រាយដោះស្រាយសមីការឌីផេរ៉ង់ស្យែលដូចជា ADVAN16 ដែលប្រើ RADAR5 ដោយ Guglielmi និង Hairer វិធីសាស្ត្រ Runge-Kutta លំដាប់ទី 4 សម្រាប់សមីការពន្យាពេលរឹង និង ADVAN17 សម្រាប់សមីការពិជគណិតឌីផេរ៉ង់ស្យែលពន្យាពេលរឹង។
8. ការវាយតម្លៃ និងការរចនាដ៏ល្អប្រសើរសម្រាប់ការសាកល្បងព្យាបាល
9. ស្ថេរភាពដោយស្វ័យប្រវត្តិនៃបញ្ហាប្រឆាំងនឹងការលើកលែងជាលេខ
10. កម្រិតផលប៉ះពាល់ចម្រុះជាច្រើន ជាមួយនឹងផលប៉ះពាល់ចៃដន្យនៅទូទាំងក្រុមបុគ្គល ដូចជាគេហទំព័រគ្លីនិក អាចត្រូវបានយកគំរូតាម។ គេហទំព័រខ្លួនឯងអាចត្រូវបានដាក់ជាក្រុមបន្ថែម ដូចជាតាមប្រទេសជាដើម។
11. ការវិភាគ MCMC Bayesian ដោយវិធីសាស្រ្ត Gibbs និងស្តង់ដារ Metropilis-Hastings sampling (BAYES) ក៏ដូចជា Hamiltonian no U-turn sampលីង (គ្រាប់) ។ ដូចគ្នានេះផងដែរ តម្លៃមធ្យមនៃ phi() ត្រូវបានប្រមូលនៅទូទាំងដំណាក់កាលនៃការចែកចាយស្ថានី (ការបញ្ជាក់ឡើងវិញជាវិជ្ជមាន) ជាមួយនឹងការប្រែប្រួលតាមលក្ខខណ្ឌ។ ប៉ារ៉ាម៉ែត្រ​បុគ្គល samples កំឡុងពេលការវិភាគ BAYES អាចប្រមូលបានយ៉ាងងាយស្រួលដោយមិនចាំបាច់មានលេខកូដអ្នកប្រើប្រាស់បន្ថែម។
12. ប៉ារ៉ាម៉ែត្រដែលកំណត់ដោយអ្នកប្រើប្រាស់អាចរាយការណ៍ពីកំហុសស្តង់ដាររបស់ពួកគេ និងភាពខុសគ្នានៃវ៉ារ្យង់ដែលទាក់ទងនឹង etas ក៏ដូចជាអ្វីដែលទាក់ទងនឹង thetas (ឬ omegas និង sigmas) ។
13. ព័ត៌មានម៉ាទ្រីស Variance-covariance អាចត្រូវបាននាំចូលពីការដំណើរការពីមុន ហើយប្រើដើម្បីវាយតម្លៃកំហុសស្តង់ដារសរុបនៃធាតុដែលបានកំណត់ដោយអ្នកប្រើប្រាស់នៅក្នុងតារាង ឬដើម្បីនាំយកម៉ាទ្រីសវ៉ារ្យង់-កូវ៉ារ៉ង់ពីប្រភពជំនួស (IMP, SAEM, BAYES, SIR) ជាអាទិភាពសម្រាប់ បញ្ហា TNPRI ។
14. ការគ្រប់គ្រងពេញលេញនៃកំណត់ត្រាណាមួយដែលត្រូវបានបញ្ចេញសម្រាប់តារាងដែលកំណត់ដោយអ្នកប្រើប្រាស់ រួមទាំងជាលើកដំបូងនៅក្នុងបុគ្គល ចុងក្រោយសម្រាប់តែបុគ្គល ចុងក្រោយតែមួយគត់នៅក្នុងបុគ្គល និងការមិនរាប់បញ្ចូលជាក់លាក់នៃកំណត់ត្រាដោយតក្កវិជ្ជាកូដអក្សរកាត់។
15. ធ្វើឱ្យប្រសើរឡើងនូវឧប្បត្តិហេតុនៃការបញ្ចប់នៅពេលប្រើមុខងារ "Super Problem"
16.  វិធីសាស្រ្តជាក់ស្តែងនៃការបង្កើតគំរូកម្រិតថ្នាំដែលមានស្ថិរភាពគឺអាចរកបាន ដែលអាចដោះស្រាយភាពស្មុគស្មាញណាមួយនៃរបបចាក់ម្តងហើយម្តងទៀត។
17. អ្នកអាចបង្កើនចំនួនខ្ទង់សំខាន់ៗដែលបង្ហាញសម្រាប់លទ្ធផលប៉ារ៉ាម៉ែត្រចំនួនប្រជាជននៅក្នុងរបាយការណ៍ NONMEM file.
18. លទ្ធផលបន្ថែម files ជាមួយនឹងចំនួនខ្ទង់សំខាន់ៗដែលអាចជ្រើសរើសបានដោយអ្នកប្រើប្រាស់ ហើយដែលអាចអានបានយ៉ាងងាយស្រួលដោយកម្មវិធីក្រោយដំណើរការ
19. គ្រប់គ្រងចរន្ត files អាចត្រូវបានសរសេរជាករណីចម្រុះ សម្រាប់កូដដែលអាចអានបានកាន់តែសោភ័ណភាព វាអាចមានធាតុទិន្នន័យមួយចំនួនក្នុងមួយទិន្នន័យ fileហើយឈ្មោះស្លាកកំណត់ត្រាអាចមានទំហំធំរហូតដល់ 30 តួអក្សរ។
20. កាន់តែងាយស្រួលក្នុងការសរសេរកូដការប្រែប្រួលអន្តរឱកាស
21. ការ​យោង​ជា​និមិត្ត​រូប​ទៅ​នឹង thetas, etas, និង epsilons
22. ធ្វើឱ្យប្រសើរឡើងនូវការអានកូដ។ Thetas ក៏អាចត្រូវបានដាក់ឈ្មោះជានិមិត្តសញ្ញានៅកំណត់ត្រា $THETA ដោយភ្ជាប់ជាមួយនឹងតម្លៃដំបូងដែលបានបញ្ជាក់។
23. អថេរ​ដែល​បាន​ជាវ​អាច​ត្រូវ​បាន​ប្រើ​ជា​កូដ​អក្សរ​កាត់​សម្រាប់​ប្រើ​ក្នុង DO loops ។
24. លទ្ធផល​ប៉ារ៉ាម៉ែត្រ​ម៉ាទ្រីស​វ៉ារ្យង់​ជា​ទម្រង់​បំរែបំរួល និង​ទំនាក់ទំនង
25. ប៉ារ៉ាម៉ែត្រម៉ាទ្រីសបំរែបំរួលអាចត្រូវបានបញ្ចូលក្នុងទម្រង់ដូចគ្នា ការជាប់ទាក់ទងគ្នា ឬទម្រង់ Cholesky
26. កំណែសម្គាល់ XML នៃរបាយការណ៍ file
27. ការក្លែងធ្វើខ្សែស្បែកជើងអាចត្រូវបានអនុវត្តនៅក្នុង NONMEM ។
28. ETAs បុគ្គលដំបូងអាចត្រូវបានណែនាំពីប្រភពខាងក្រៅសម្រាប់ធ្វើឱ្យប្រសើរឡើងនូវឧប្បត្តិហេតុនៃភាពជោគជ័យនៃការវិភាគ។
29. បានពង្រីកការចែកចាយពីមុន រួមទាំងការចែកចាយបញ្ច្រាស Wishart/Gamma និង LKJ Correlation សម្រាប់ OMEGAS/SIGMAS, Normal/T-distribution សម្រាប់ THETAS
30. វិធីសាស្រ្តវិភាគដែលមិនមែនជាប៉ារ៉ាម៉ែត្រប្រសើរឡើង

តម្រូវការប្រព័ន្ធ

កម្មវិធីកុំព្យូទ័រ NONMEM ត្រូវបានសរសេរ និងចែកចាយជាកូដ ANSI FORTRAN 95 ដូច្នេះហើយ អាចប្រើបានជាមួយផ្នែករឹង និងប្រព័ន្ធប្រតិបត្តិការភាគច្រើនដែលរួមបញ្ចូលកម្មវិធីចងក្រង Fortan 95 ដែលប្រកាន់ខ្ជាប់នូវស្តង់ដារ ANSI ។ វាត្រូវបានបង្ហាញថាដំណើរការជាមួយ Intel Fortran Compiler 9.0 ឬធំជាងនេះសម្រាប់ Windows ឬ Linux និង gFortran សម្រាប់ Windows ឬ Linux ។ ដោយសារការរត់ NONMEM អាចចំណាយពេលស៊ីភីយូច្រើន ប្រហែលជាច្រើនម៉ោង អាស្រ័យលើល្បឿនកុំព្យូទ័រ និងទំហំនៃបញ្ហា គួរតែប្រើម៉ាស៊ីនលឿន។ យ៉ាងហោចណាស់ 1 និងជាជម្រើសនៃអង្គចងចាំ 2 GB គួរតែមានសម្រាប់ការប្រើប្រាស់ផ្តាច់មុខនៃកម្មវិធី NONMEM និង NMTRAN ។

អាជ្ញាប័ណ្ណ
កម្មវិធី NONMEM អាចទាញយកបាន ដែលរួមជាមួយនឹងឯកសារ និងរាល់ការអាប់ដេត និងការបន្ថែមទៅលើកម្មវិធីនេះ នឹងត្រូវបានផ្តល់ជូនសម្រាប់ថ្លៃជាវអាជ្ញាប័ណ្ណដែលត្រូវបង់ជារៀងរាល់ឆ្នាំ។ ថ្លៃសេវានេះអាចផ្លាស់ប្តូរពីមួយឆ្នាំទៅមួយឆ្នាំ ហើយនៅខួបនីមួយៗ អ្នកទទួលអាជ្ញាប័ណ្ណនៅជម្រើសរបស់ខ្លួនអាចជ្រើសរើសមិនបន្តអាជ្ញាប័ណ្ណ។ ខាងក្រោមនេះ example បង្ហាញពីសមត្ថភាពរបស់ NONMEM ក្នុងការអនុវត្តការវិភាគ MCMC Bayesian លើបញ្ហាស្មុគស្មាញ PK/PD ។

យើងប្រៀបធៀបការវិភាគរបស់ Bayesian ដែលបានអនុវត្តនៅក្នុង NONMEM 7 ជាមួយ WinBUGS/Blackbox V1.4 សម្រាប់ទិន្នន័យដែលបានក្លែងធ្វើដោយប្រើការបោសសំអាតដែលសម្របសម្រួលដោយអ្នកទទួល និងគំរូការឆ្លើយតបដោយប្រយោលដែលជាធម្មតាត្រូវបានប្រើប្រាស់ក្នុងការព្យាបាលអង្គបដិប្រាណ។ ទិន្នន័យត្រូវបានក្លែងធ្វើជាមួយនឹងការសង្កេត 17 PK និង 18 PD សម្រាប់មុខវិជ្ជានីមួយៗនៃ 50 ដែលទទួលបានថ្នាំ bolus មួយ អមដោយការចាក់បញ្ចូលរយៈពេលខ្លីមួយសប្តាហ៍ក្រោយមក។ គំរូ PK មាន 2 បន្ទប់ (Vc, k12, k21) ជាមួយនឹងលំដាប់ទីមួយ (k10) និងការបោសសំអាតដោយអ្នកទទួល (Vm, Kmc) ។ គំរូ PD គឺជាការឆ្លើយតបដោយប្រយោល ជាមួយនឹងអ្នកទទួលដែលបង្កើតដោយដំណើរការលំដាប់សូន្យ (k03) ហើយត្រូវបានដកចេញដោយដំណើរការលំដាប់ទីមួយ (k30) ឬតាមរយៈស្មុគស្មាញអ្នកទទួលថ្នាំ (Vm, Kmc) ។

មានប៉ារ៉ាម៉ែត្រចំនួនប្រជាជនចំនួន 46 វ៉ារ្យ៉ង់/បំរែបំរួលរួម និងមេគុណកំហុសក្នុងប្រធានបទ។ NM7 ប្រើក្បួនដោះស្រាយ Gibbs ឬ Metropolis-Hastings ដើម្បីអនុវត្តនីតិវិធី MCMC ។ ការវិភាគ Bayesian មាន 4000 burn-in អមដោយ 30,000 sampការសរសេរឡើងវិញ និងព័ត៌មានមុនដែលមិនមានព័ត៌មានត្រូវបានផ្គត់ផ្គង់។ ការលាយចៃដន្យយ៉ាងទូលំទូលាយបានកើតឡើងនៅក្នុង sampling ប្រវត្តិសម្រាប់ប៉ារ៉ាម៉ែត្រទាំងអស់។ ភាពខុសគ្នាមធ្យមរវាងតម្រៀប samples ពី NM7 និង WinBUGS ជាធម្មតា <1% នៃ sampលេមានន័យថា។ ឫស មានន័យថា ភាពខុសគ្នានៃការ៉េរវាងការតម្រៀប samples ពី NM7 ធៀបនឹង WinBUGS គឺ 2-20% នៃកំហុសស្តង់ដារនៃការប៉ាន់ស្មាន។ NM7 ផ្តល់នូវភាពងាយស្រួល និងត្រឹមត្រូវក្នុងការចូលទៅកាន់វិធីសាស្ត្រ MCMC Bayesian សម្រាប់បញ្ហា PK/PD ចំនួនប្រជាជន។

ដ្យាក្រាមនៃគំរូ
សំណុំទិន្នន័យត្រូវបានក្លែងធ្វើដោយប្រើគំរូ PK/PD ធម្មតាដែលជារឿយៗប្រើក្នុងការព្យាបាលអង្គបដិប្រាណ (ឌីណាមិកនៃអង្គបដិប្រាណ-ទទួល)។ សំណុំទិន្នន័យមានអ្នកជំងឺ 50 នាក់ដែលម្នាក់ៗមាន sampការសង្កេត 17 PK និង 18 PD ក្នុងមួយបុគ្គល, sampដឹកនាំក្នុងរយៈពេល 50 ថ្ងៃបន្ទាប់ពីទទួលបាន bolus dose នៃ 0.3 mg/kg ការព្យាបាលដោយអង់ទីគ័រ បន្តដោយការចាក់បញ្ចូលតាមសរសៃឈាមរយៈពេល 4 ម៉ោងនៃ 1 mg/kg Ab មួយសប្តាហ៍ក្រោយមក។

PK/PD Pro ធម្មតាfile
ប៉ារ៉ាម៉ែត្រ​បុគ្គល​ត្រូវ​បាន​បង្កើត​ឡើង​ពី​ការ​ចែកចាយ​កំណត់​ហេតុ​ធម្មតា​ច្រើន​វ៉ារ្យង់​នៃ​ប៉ារ៉ាម៉ែត្រ​ចំនួន​ប្រជាជន។ អង់ទីករក្នុងសេរ៉ូម និងកម្រិតទទួលសរុបត្រូវបានក្លែងធ្វើនៅពេលវេលាដែលបានជ្រើសរើសពីការចែកចាយធម្មតាដោយឯកឯងជាមួយនឹងមធ្យមអំពីតម្លៃព្យាករណ៍បុគ្គល និងជាមួយនឹងការប្រែប្រួលដែលសមាមាត្រទៅនឹងការេនៃតម្លៃព្យាករណ៍។ PK/PD pro ធម្មតា។file ត្រូវបានបង្ហាញ។

Example នៃផែនការប្រវត្តិសាស្រ្ត Bayesian និងការចែកចាយបន្តសម្រាប់ប៉ារ៉ាម៉ែត្រ k10

ធ្វើឱ្យប្រសើរឡើងនូវក្បួនដោះស្រាយនៅក្នុង NONMEM 7.5 ដូចជា Enhanced Gibbs Sampling និង Hamiltonian គ្មាន U-turn Sampling (NUTS) បង្កើត Decorrelated Samples កាន់តែមានប្រសិទ្ធភាព ទាមទារចំនួន Samples ដើម្បីតំណាងឱ្យការចែកចាយក្រោយការចែកចាយ 2020 ICON plc ឱ្យបានត្រឹមត្រូវ។ រក្សា​រ​សិទ្ធ​គ្រប់យ៉ាង។ ICONplc.com/nonmem

ទាញយកជា PDF៖រូបតំណាង 7.5 Nonmem Nonlinear Mixed Effects ការណែនាំអ្នកប្រើប្រាស់ 

ឯកសារយោង

• សៀវភៅណែនាំអ្នកប្រើប្រាស់