Diseños óptimos bayesianos para estimación de parámetros en farmacocinética.

• Johnatan Cardona ^[1] ; Víctor Ignacio López ^[1] ; Juan Carlos Correa ^[1]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Comunicaciones en Estadística, ISSN 2027-3355, ISSN-e 2339-3076, Vol. 5, Nº. 1, 2012, págs. 97-112
• Idioma: español
• DOI: 10.15332/s2027-3355.2012.0001.05
• Títulos paralelos:
  • Bayesian optimal designs for parameters estimation in pharmacokinetics.
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    En farmacología, particularmente en el campo farmacocinético, el interés fundamental es estudiar la concentración de un medicamento en plasma. En esta área usualmente se tienen modelos de tipo no lineal dadas las características particulares de administración del medicamento. Desde el enfoque bayesiano, el objetivo de construir diseños óptimos sujetos a una función de utilidad es maximizar la utilidad esperada asociada a algún funcional de interés para el investigador. En este trabajo se realiza una caracterización de los diseños óptimos obtenidos a través de dos funciones de utilidad asociadas a un criterio de optimalidad bayesiano (D-optimalidad bayesiano), para estimar en forma ́optima los parámetros de dos modelos no lineales: 1) modelo monocompartimental con tasa de absorción y eliminación, 2) modelo bicompartimental con tasas de eliminación y absorción reversibles para el segundo compartimiento, ambos modelos bajo el supuesto de normalidad en los errores. Dicha caracterización se realizó vía simulación y con el fin de maximizar la funci ́on de utilidad se recurrio a la evolución diferencial.

  • English

    In pharmacology, especially on the pharmacokinetics field, the main interest is the study of the drug concentration in the plasma tissue. This area uses non linear models given by the particular administration of a medicine. The purpose of bayesian approach is to construct optimal designs restricted to an utility fun- ction, to maximize the expected utility associated to some functional in which the investigator is interested. In this work we made a characterization of the opti- mal designs obtained from two utility functions associated to an optimal bayesian criterion (Bayes D-optimality) to obtain optimal parameter estimates for two nonlinear models: 1) one-compartment model with absorption and elimination rate, 2) two-compartment model with absorption and elimination rates reversible for the second compartment, both models under normality assumption for the errors. The cited characterization was done via simulation and using differential evolution to maximize the utility.

• Referencias bibliográficas
  • Berger, J. (1985), Statistical Decision Theory and Bayesian Analysis, Springer, New York.
  • Bernardo, J. (1979), ‘Expected information as expected utility’, The Annals of Statistics 7(3), 686–690.
  • Beyer, H. G. & Schwefel, H. P. (2002), ‘Evolution strategies a comprehensive introduction’, Natural Computing pp. 3–52.
  • Chaloner, K. & Verdinelli, I. (1995), ‘Bayesian experimental design: A review’, Statistical Science10, 379–423.
  • Davis, J. L., Papich, M. G., Morton, J. & Gayle, A. T. (2007), ‘Pharmacokinetics of etodolac in the horse following oral and intravenous...
  • Farmacología(2006), Argentina. *http://med.unne.edu.ar/catedras/farmacologia/temasfarma/volumen1/cap2-farmacocinet.pdf
  • Gabrielsson, J. & Weiner, D. (2000), Pharmacokinetic and Pharmacodynamic DataAnalysis, Swedish Pharmaceutical Press.
  • Gill, J. (2000), Bayesian Methods, Chapman and Hall.
  • Jamshidian, M. & Schott, J. R. (2007), ‘Testing equality of covariance matrices when data are incomplete’, Computational Statistics and...
  • Lindley, D. (1972), Bayesian Statistic - A review, SIAM.
  • López-Ríos, V. I. & Ramos-Quiroga, R. (2007), ‘Introducción a los diseños ́óptimos’, Revista Colombiana de Estadística30(1), 37–51.
  • Merlé, Y. & Merlé, F. (1997), ‘Stochastic optimization algorithms of a bayesian design criterion for bayesian parameter estimation of...
  • R (2010),R-project, Vienna, Austria.*http://www.R-project.org
  • Shannon, C. (1948), ‘A mathematical theory of communication’, Bell System Technical Journal27(3), 379–423.
  • Spezzaferri, F. (1989), ‘Nonsequential designs for model discrimination and para-meter estimation’,Bayesian Statistics3, 777–783.
  • Storn, R. & Price, K. (1997), ‘Differential evolution: A simple and efficient heuristicfor global optimization over continuous spaces’,...