非线性Mixed-Effects建模
对总体参数进行极大似然估计
非线性混合效应(NLME)模型是一种结合了固定效应(总体参数)和随机效应(个体变化)的统计模型。它可以识别样本子组之间的相关性,并适用于小样本量。在考虑个体变化的同时,可以使用各种混合效应方法估计总体参数,例如期望最大化的随机近似(SAEM)、一阶条件估计(FOCE)、一阶估计(FO)、线性混合效应(LME)和限制LME近似。有关详细信息,请参见非线性Mixed-Effects建模.
应用程序
SimBiology模型构建器 | 交互式构建QSP、PK/PD和机械系统生物学模型 |
SimBiology模型分析 | 分析QSP, PK/PD和机械系统生物学模型 |
功能
对象
主题
NLME基础知识
- 非线性Mixed-Effects建模
SimBiology允许您使用非线性混合效应技术估算种群参数(固定效应),同时考虑个体变化(随机效应)。 - SimBiology中支持的参数估计方法
SimBiology®支持对最小二乘和混合效应估计问题的各种优化方法。 - 误差模型
SimBiology支持恒定误差模型、比例误差模型、组合误差模型和指数误差模型。
NLME工作流
- 苯巴比妥在新生儿体内的人群药代动力学模型
使用临床药代动力学数据进行非线性混合效应建模。 - 基于SimBiology问题的工作流拟合PK参数
使用SimBiology问题对象估计模型参数。