主要内容

sbiofitmixed

拟合非线性混合效应模型(要求统计和机器学习工具箱软件)

折叠所有页面

语法

fitResults = sbiofitmixed (sm, grpData、ResponseMap covEstiminfo)
FitResults = SBIOfitMixed（SM，Grpdata，Respectemap，Covestiminfo，给药）
fitResults = sbiofitmixed (sm, grpData、ResponseMap covEstiminfo,剂量,functionName)
fitResults = sbiofitmixed (sm, grpData、ResponseMap covEstiminfo,剂量,functionName,选择)
fitResults = sbiofitmixed (sm, grpData、ResponseMap covEstiminfo,剂量,functionName,选择,变异)
fitResults = sbiofitmixed (＿＿＿、名称、值)
[fitResults, simDataI simDataP] = sbiofitmixed (_)

描述

例子

fitResults= sbiofitmixed (sm，grpData，ResponseMap，covEstiminfo）使用SimBiology进行非线性混合效应估计®模型sm并返回一个NLMEResults对象fitResults．

grpData是一个groupedData对象指定要匹配的数据。ResponseMap中定义模型组件和响应数据之间的映射grpData．covEstiminfo是一个CovariateModel对象或者一个数组estimatedInfo对象，该对象定义要估计的参数。

如果模型包含活性剂量和变体，则在模拟过程中应用它们。

例子

fitResults= sbiofitmixed (sm，grpData，ResponseMap，covEstiminfo，剂量）使用SimBiology剂量对象矩阵指定的剂量信息剂量而不是使用模型中的活性剂量sm如果有的话。

例子

fitResults= sbiofitmixed (sm，grpData，ResponseMap，covEstiminfo，剂量，functionName）使用指定的估计函数functionName那必须是“nlmefit”或“nlmefitsa”．

例子

fitResults= sbiofitmixed (sm，grpData，ResponseMap，covEstiminfo，剂量，functionName，选择）使用指定的附加选项选择对于估计函数functionName．

例子

fitResults= sbiofitmixed (sm，grpData，ResponseMap，covEstiminfo，剂量，functionName，选择，变体）应用指定为的变量对象变体而不是使用模型的任何活动变体。

fitResults= sbiofitmixed (＿＿＿，名称,值）使用由一个或多个名称-值参数指定的附加选项。

［fitResults，simDataI，simDataP] = sbiofitmixed (_)返回一个由结果对象组成的向量fitResults，表示仿真结果的向量simDataI利用个体特有的参数估计，并得到矢量仿真结果simDataP使用总体参数估计。

请注意

  • sbiofitmixed结合sbionlmefit和sbionlmefitsa估计函数。使用sbiofitmixed进行非线性混合效应建模和估计。

  • sbiofitmixed使用a来模拟模型SimFunction对象，默认情况下自动加速模拟。因此，它没有必要跑sbioaccelerate之前你叫sbiofitmixed．

例子

全部折叠

打开生活的脚本

本例使用了59名早产儿在出生后16天内给予苯巴比妥的数据。每名婴儿接受一次初始剂量，随后进行一次或多次静脉滴注维持剂量。对每名婴儿进行了总共1至6次浓度测量，而不是在剂量时间，共进行了155次测量。研究人员还记录了婴儿体重和新生儿健康指数(APGAR)。

加载数据。

负载pheno.matds

将数据集转换为groupedData对象，用于保存分组的表格数据的容器。可以自动识别常用变量名为分组变量或自变量(时间)。显示数据的属性并确认GroupVariableName和IndependentVariableName被正确地识别为“ID”和“时间”,分别。

data = groupedData (ds);数据。属性
ans =结构体字段:描述:“UserData: [] DimensionNames: {'Observations' 'Variables'} VariableNames: {'ID' '' TIME' 'DOSE' 'WEIGHT' 'APGAR' 'CONC'} VariableDescriptions: {} VariableUnits: {} variableccontinuity: [] RowNames: {} CustomProperties: [1x1 matlab.tabular. properties .]CustomProperties] GroupVariableName: 'ID' IndependentVariableName: 'TIME'

建立一个简单的单室药代动力学模型，用大剂量和线性间隙来拟合这些数据。使用PKModelDesign对象来构造模型。每个间隔由名称、剂量类型、间隙类型以及剂量是否需要滞后参数来定义。在构建模型之后，您还可以得到PKModelMap对象地图列出了物种的名称和模型中与拟合最相关的参数。

pkmd = PKModelDesign;addCompartment (pkmd“中央”，“DosingType”，“丸”，．．.“EliminationType”，“linear-clearance”，．．.'hasresponseVariable',真的,“HasLag”、假);[onecomp, map] = pkmd.construct;

通过将适当的模型分量映射到响应变量来描述实验测量的响应。换句话说，表明模型中的物种对应于数据中的响应变量。的PKModelMap财产观察到的表示模型中相关物种为Drug_Central，表示系统中的药物浓度。相关数据变量为浓缩的，这是你之前想象的。

地图。观察到的
ans =1 x1单元阵列{' Drug_Central '}

映射Drug_Central物种浓缩的变量。

responseMap =“Drug_Central =浓缩的”；

在这个模型中估计的参数是中央隔间的体积中央清除率Cl_Central．的PKModelMap财产估计列出这些相关参数。的底层算法sbiofit假设参数是正态分布的，但对于限制为正的生物参数，如体积和间隙，这个假设可能不成立。为估计参数指定一个对数转换，以便转换后的参数遵循正态分布。使用一个estimatedInfo对象来定义此类转换和初始值(可选)。

地图。估计
ans =2 x1细胞{'central'} {'cl_central'}

定义这些估计参数、适当的转换和初始值。

estimatedParams = estimatedInfo ({“日志(中央)”，“日志(Cl_Central)”}，“InitialValue”[1]);

每个婴儿都接受了不同的剂量计划。药物用量列在数据变量中剂量．要在拟合期间指定这些剂量，请从数据中创建剂量对象。这些对象使用该属性TargetName以指定模型中哪些物种接受了剂量。在这个例子中，目标物种是Drug_Central，列于PKModelMap财产给．

地图。给
ans =1 x1单元阵列{' Drug_Central '}

使用此目标名称创建样本剂量，然后使用createDoses的方法groupedData对象数据根据剂量数据为每个婴儿生成剂量剂量．

sampleDose = sbiodose (“样本”，“TargetName”，“Drug_Central”）;剂量= createDoses(数据,“剂量”，'＇, sampleDose);

合适的模型。

[nlmeResults,思米,笨人]= sbiofitmixed (onecomp、数据responseMap estimatedParams,剂量,“nlmefit”）;

使用个别特定参数估计可视化拟合结果。

情节(nlmeResults“ParameterType”，“个人”）;

图中包含64个轴对象。Axes对象1是空的。Axes对象2是空的。坐标轴对象3是空的。坐标轴对象4是空的。Axes对象5是空的。标题59的axis对象6包含2个类型为line的对象。标题为58的axis对象7包含2个类型为line的对象。标题为57的轴对象8包含2个类型为line的对象。标题56的轴对象9包含2个类型为line的对象。 Axes object 10 with title 55 contains 2 objects of type line. Axes object 11 with title 54 contains 2 objects of type line. Axes object 12 with title 53 contains 2 objects of type line. Axes object 13 with title 52 contains 2 objects of type line. Axes object 14 with title 51 contains 2 objects of type line. Axes object 15 with title 50 contains 2 objects of type line. Axes object 16 with title 49 contains 2 objects of type line. Axes object 17 with title 48 contains 2 objects of type line. Axes object 18 with title 47 contains 2 objects of type line. Axes object 19 with title 46 contains 2 objects of type line. Axes object 20 with title 45 contains 2 objects of type line. Axes object 21 with title 44 contains 2 objects of type line. Axes object 22 with title 43 contains 2 objects of type line. Axes object 23 with title 42 contains 2 objects of type line. Axes object 24 with title 41 contains 2 objects of type line. Axes object 25 with title 40 contains 2 objects of type line. Axes object 26 with title 39 contains 2 objects of type line. Axes object 27 with title 38 contains 2 objects of type line. Axes object 28 with title 37 contains 2 objects of type line. Axes object 29 with title 36 contains 2 objects of type line. Axes object 30 with title 35 contains 2 objects of type line. Axes object 31 with title 34 contains 2 objects of type line. Axes object 32 with title 33 contains 2 objects of type line. Axes object 33 with title 32 contains 2 objects of type line. Axes object 34 with title 31 contains 2 objects of type line. Axes object 35 with title 30 contains 2 objects of type line. Axes object 36 with title 29 contains 2 objects of type line. Axes object 37 with title 28 contains 2 objects of type line. Axes object 38 with title 27 contains 2 objects of type line. Axes object 39 with title 26 contains 2 objects of type line. Axes object 40 with title 25 contains 2 objects of type line. Axes object 41 with title 24 contains 2 objects of type line. Axes object 42 with title 23 contains 2 objects of type line. Axes object 43 with title 22 contains 2 objects of type line. Axes object 44 with title 21 contains 2 objects of type line. Axes object 45 with title 20 contains 2 objects of type line. Axes object 46 with title 19 contains 2 objects of type line. Axes object 47 with title 18 contains 2 objects of type line. Axes object 48 with title 17 contains 2 objects of type line. Axes object 49 with title 16 contains 2 objects of type line. Axes object 50 with title 15 contains 2 objects of type line. Axes object 51 with title 14 contains 2 objects of type line. Axes object 52 with title 13 contains 2 objects of type line. Axes object 53 with title 12 contains 2 objects of type line. Axes object 54 with title 11 contains 2 objects of type line. Axes object 55 with title 10 contains 2 objects of type line. Axes object 56 with title 9 contains 2 objects of type line. Axes object 57 with title 8 contains 2 objects of type line. Axes object 58 with title 7 contains 2 objects of type line. Axes object 59 with title 6 contains 2 objects of type line. Axes object 60 with title 5 contains 2 objects of type line. Axes object 61 with title 4 contains 2 objects of type line. Axes object 62 with title 3 contains 2 objects of type line. Axes object 63 with title 2 contains 2 objects of type line. Axes object 64 with title 1 contains 2 objects of type line.

使用总体参数估计可视化拟合结果。

情节(nlmeResults“ParameterType”，“人口”）;

图中包含64个轴对象。Axes对象1是空的。Axes对象2是空的。坐标轴对象3是空的。坐标轴对象4是空的。Axes对象5是空的。标题59的axis对象6包含2个类型为line的对象。标题为58的axis对象7包含2个类型为line的对象。标题为57的轴对象8包含2个类型为line的对象。标题56的轴对象9包含2个类型为line的对象。 Axes object 10 with title 55 contains 2 objects of type line. Axes object 11 with title 54 contains 2 objects of type line. Axes object 12 with title 53 contains 2 objects of type line. Axes object 13 with title 52 contains 2 objects of type line. Axes object 14 with title 51 contains 2 objects of type line. Axes object 15 with title 50 contains 2 objects of type line. Axes object 16 with title 49 contains 2 objects of type line. Axes object 17 with title 48 contains 2 objects of type line. Axes object 18 with title 47 contains 2 objects of type line. Axes object 19 with title 46 contains 2 objects of type line. Axes object 20 with title 45 contains 2 objects of type line. Axes object 21 with title 44 contains 2 objects of type line. Axes object 22 with title 43 contains 2 objects of type line. Axes object 23 with title 42 contains 2 objects of type line. Axes object 24 with title 41 contains 2 objects of type line. Axes object 25 with title 40 contains 2 objects of type line. Axes object 26 with title 39 contains 2 objects of type line. Axes object 27 with title 38 contains 2 objects of type line. Axes object 28 with title 37 contains 2 objects of type line. Axes object 29 with title 36 contains 2 objects of type line. Axes object 30 with title 35 contains 2 objects of type line. Axes object 31 with title 34 contains 2 objects of type line. Axes object 32 with title 33 contains 2 objects of type line. Axes object 33 with title 32 contains 2 objects of type line. Axes object 34 with title 31 contains 2 objects of type line. Axes object 35 with title 30 contains 2 objects of type line. Axes object 36 with title 29 contains 2 objects of type line. Axes object 37 with title 28 contains 2 objects of type line. Axes object 38 with title 27 contains 2 objects of type line. Axes object 39 with title 26 contains 2 objects of type line. Axes object 40 with title 25 contains 2 objects of type line. Axes object 41 with title 24 contains 2 objects of type line. Axes object 42 with title 23 contains 2 objects of type line. Axes object 43 with title 22 contains 2 objects of type line. Axes object 44 with title 21 contains 2 objects of type line. Axes object 45 with title 20 contains 2 objects of type line. Axes object 46 with title 19 contains 2 objects of type line. Axes object 47 with title 18 contains 2 objects of type line. Axes object 48 with title 17 contains 2 objects of type line. Axes object 49 with title 16 contains 2 objects of type line. Axes object 50 with title 15 contains 2 objects of type line. Axes object 51 with title 14 contains 2 objects of type line. Axes object 52 with title 13 contains 2 objects of type line. Axes object 53 with title 12 contains 2 objects of type line. Axes object 54 with title 11 contains 2 objects of type line. Axes object 55 with title 10 contains 2 objects of type line. Axes object 56 with title 9 contains 2 objects of type line. Axes object 57 with title 8 contains 2 objects of type line. Axes object 58 with title 7 contains 2 objects of type line. Axes object 59 with title 6 contains 2 objects of type line. Axes object 60 with title 5 contains 2 objects of type line. Axes object 61 with title 4 contains 2 objects of type line. Axes object 62 with title 3 contains 2 objects of type line. Axes object 63 with title 2 contains 2 objects of type line. Axes object 64 with title 1 contains 2 objects of type line.

使用箱线图显示估计参数的变化。

箱线图(nlmeResults)

图中包含一个轴对象。axis对象包含14个类型为line的对象。

将模型预测与实际数据进行比较。

plotActualVersusPredicted (nlmeResults)

图中包含一个轴对象。轴对象包含3个类型为line的对象。

画出残差的分布。

plotResidualDistribution (nlmeResults)

图中包含4个轴对象。坐标轴对象1包含两个类型为bar, line的对象。坐标轴对象2包含两个类型为bar, line的对象。标题为IWRES的轴对象3包含3个类型为line的对象。标题为CWRES的轴对象4包含3个类型为line的对象。

使用上的模型预测绘制每个响应的残差x设在。

plotResiduals (nlmeResults'预测'）

图中包含一个轴对象。轴对象包含3个类型为line的对象。

输入参数

全部折叠

SimBiology模型，指定为SimBiology模型对象．活动configset对象的模型包含仿真求解器设置。任何活性剂量和变异均适用于模拟期间的模型，除非使用剂量和变体分别输入参数。

数据拟合，指定为groupedData对象．

时间变量的名称必须定义在IndependentVariableName的属性grpData．例如，如果时间变量的名称是“时间”，然后指定如下。

grpData.Properties.IndependentVariableName =“时间”；

grpData必须至少有两个组，且分组变量name的名称必须在GroupVariableName的属性grpData．例如，如果分组变量的名称为“集团”，然后指定如下。

grpData.Properties.GroupVariableName =“集团”；
一组通常是指代表一个单一时间过程的一组测量，通常对应于一个特定的个人或实验条件。

请注意

sbiofitmixed使用分类识别组的功能。如果任何组值被转换为相同的值分类，那么这些观察结果就被视为属于同一组。例如，如果一些观察没有组信息(即空字符向量)，则分类将空字符向量转换为<定义>，这些观察结果被视为一组。

将模型组件的信息映射到grpData，指定为字符向量、字符串、字符串向量或字符向量的单元格数组。

每个字符向量或字符串都是类似等式的表达式，类似于SimBiology中的赋值规则。它包含数量(品种、分格或参数)的名称(或限定名称)或可观测的模型中的对象sm，后面跟着字符“=”变量名grpData．为清晰起见，名称和之间允许有空格“=”．

例如，如果你有浓度数据“浓缩的”在grpData为一个物种“Drug_Central”，您可以如下指定它。

ResponseMap =“Drug_Central =浓缩的”；

要毫不含糊地命名物种，请使用限定名称，其中包含隔间名称。要命名反作用范围的参数，请使用反应名称限定参数。

如果模型组件名或grpData变量名不是一个有效的MATLAB®变量名，用方括号括起来，例如:

ResponseMap =”[1]中部。[Central 1 Conc]'；

如果变量名本身包含方括号，则不能在表达式中使用方括号来定义映射信息。

如果任何(限定的)名称匹配同一类型的两个组件，则会发出错误。但是，您可以使用匹配不同类型的两个组件的(限定)名称，函数首先查找给定名称的物种，然后是区域和参数。

的估计参数，指定为向量estimatedInfo对象或一个CovariateModel对象它定义了模型中估计的参数sm，他们的初始估计(可选)，以及他们与包括在内的群体特定协变量的关系grpData(可选)。如果这是向量estimatedInfo对象，则不使用协变量，所有参数估计与群体特定的随机效应。

如果需要，还可以指定参数转换。万博1manbetx支持转换是日志，分对数,probit．有关详细信息,请参见EstimatedInfo对象和CovariateModel对象．

如果covEstiminfo是向量estimatedInfo对象，呢CategoryVariableName属性的值将被忽略。

剂量信息，指定为空数组(［］或｛｝)、剂量对象的二维矩阵或细胞载体(ScheduleDose对象或RepeatDose对象）.

如果省略剂量输入时，该函数应用模型的活性剂量(如果有的话)。

如果您指定输入为空［］或｛｝，在模拟过程中不施加剂量，即使模型有活性剂量。

对于剂量对象矩阵，输入数据中必须有一行或每组一行。如果它只有一行，则在模拟过程中对所有组应用相同的剂量。如果它有多行，则每一行应用于一个单独的组，其顺序与组在输入数据中出现的顺序相同。允许使用多个列，以便可以将多个剂量对象应用到每组。

请注意

从R2021b开始，列中的剂量不再需要具有相同的配置。如果您先前创建了默认(虚拟)剂量来填充列，则这些默认剂量没有作用，并表示没有剂量。

对于剂量的细胞向量，输入数据中必须有一个或每个组一个元素。每个元素必须是［］或者是剂量的载体。单元格的每个元素应用于一个单独的组，其顺序与组在输入数据中出现的顺序相同。

除了使用sbiodose，如果输入groupedData物体有剂量信息，你可以使用createDoses构造剂量的方法。

估计函数名，指定为字符向量或字符串。的选择是“nlmefit”或“nlmefitsa”．有关所支持的方法和适合的选项，请万博1manbetx参见万博1manbetxSimBiology中支持的参数估计方法．

特定于评估函数的选项，指定为一个结构。

该结构可以包含字段和默认值，它们是被接受的名称-值参数nlmefit(统计学和机器学习工具箱)和nlmefitsa(统计学和机器学习工具箱)，但以下内容不受支持。万博1manbetx

  • “FEConstDesign”

  • “FEGroupDesign”

  • “FEObsDesign”

  • “FEParamsSelect”

  • “ParamTransform”

  • “REConstDesign”

  • “REGroupDesign”

  • “REObsDesign”

  • 向量化的

“REParamsSelect”仅当您提供的向量万博1manbetx为estimatedInfo对象时指定估计参数。

使用statset(统计学和机器学习工具箱)函数仅用于设置“选项”结构域(选择),如下所示。

opt.Options = statset (“显示”，“通路”，“TolX”1 e - 3,“TolFun”1 e - 3);

有关其他受支持的名称万博1manbetx-值参数(请参阅nlmefit(统计学和机器学习工具箱)和nlmefitsa(统计学和机器学习工具箱))，设置如下。

opt.ErrorModel =“比例”；opt.ApproximationType =LME的；

变量，指定为空数组(［］或｛｝)或变量对象的向量。

如果你

  • 省略此输入参数，函数将应用模型的活动变体(如果有的话)。

  • 将此输入指定为空，即使模型有活动的变体，也不会使用任何变体。

  • 将此输入指定为变量向量，该函数将指定的变量应用于所有模拟，且不使用模型活动变量。

  • 将此输入指定为变量向量，并指定变体参数Name-value时，函数先应用此输入参数中指定的变量，然后再应用Name-value参数中指定的变量。

名称-值参数

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“UseParallel”,没错,‘ProgressPlot’,真的指定并行运行模拟并显示参数估计的进度。

启用并行化的标志，指定为数字或逻辑1（真正的)或0（假）.如果真正的和Parallel Computing Toolbox™可用时，该函数并行执行参数估计。

标志，显示参数估计的进度，以数字或逻辑形式指定1（真正的)或0（假）.如果真正的，将打开包含情节的新图形。

情节显示固定效果参数的值(θ)，方差参数的估计，即随机效应协方差矩阵(Ψ)的对角元素，以及对数似然。有关详细信息,请参见情节进展．

组特定的变量，指定为空数组(［］或｛｝)，不同对象的二维矩阵或细胞向量。这些变体允许您在拟合期间为特定组指定参数值。该软件应用这些群体特定的变种后，活动变种或变体输入参数。如果值为空(［］或｛｝)，没有特定群体的变异应用。

对于变量对象的矩阵，行数必须为1或必须与输入数据中的组数匹配。的我对第一行变量对象进行了仿真我集团。变量按从第一列到最后一列的顺序应用。如果这个矩阵只有一行变量，那么它们将应用于所有的模拟。

对于变体对象的单元格向量，单元格的数量必须为一个或必须与输入数据中的组的数量相匹配。每个元素必须是［］或者是一个变量向量。如果这个单元格向量有一个包含变异向量的单元格，则将它们应用于所有模拟。如果细胞载体有多个细胞，则我将该单元应用于仿真我集团。

除了使用手动构造变量对象sbiovariant，如果输入groupedData对象具有变体信息，可以使用createVariants构建变体。

输出参数

全部折叠

估算结果，返回为nlmeresults对象．

仿真结果，返回为向量SimData对象代表每个组(或个人)的模拟结果，使用固定效应和随机效应估计(个人特定参数估计)。

报告的州simDataI这些州包括在ResponseMap属性中列出的任何其他状态StatesToLog属性(RuntimeOptions)的SimBiology模型sm．

仿真结果，返回为向量SimData对象代表每个组(或个人)的模拟结果，仅使用固定效应估计(总体参数估计)。

报告的州simDataP这些州包括在ResponseMap属性中列出的任何其他状态StatesToLog属性(RuntimeOptions)的SimBiology模型sm．

参考

Grasela Jr, T.H.， Donn, S.M.(1985)常规临床数据衍生的苯巴比妥新生儿人群药代动力学。医药科学8(6)，374-83。

扩展功能

另请参阅

|(统计学和机器学习工具箱)|(统计学和机器学习工具箱)|||||

主题

介绍了R2014a

SimBiology文档

万博1manbetx

尝试MATLAB, Si万博1manbetxmulink和其他产品s manbetx 845

得到审判现在