主要内容

sbiofitmixed

适合非线性mixed-effects模型(需要统计和机器学习工具软件)

所有的页面崩溃

语法

fitResults = sbiofitmixed (sm, grpData、ResponseMap covEstiminfo)
fitResults = sbiofitmixed (sm, grpData、ResponseMap covEstiminfo,剂量)
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执行非线性mixed-effects估计®模型sm并返回一个NLMEResults对象fitResults。

grpData是一个groupedData对象指定适合的数据。ResponseMap定义之间的映射模型组件和响应数据grpData。covEstiminfo是一个CovariateModel对象或数组estimatedInfo对象定义了参数估计。

如果模型包含有效剂量和变体,它们被应用在模拟。

例子

fitResults= sbiofitmixed (sm,grpData,ResponseMap,covEstiminfo,剂量)使用指定的计量信息SimBiology剂量对象的一个矩阵剂量而不是使用模型的有效剂量sm如果有的话)。

例子

fitResults= sbiofitmixed (sm,grpData,ResponseMap,covEstiminfo,剂量,functionName)使用指定的评估函数functionName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估计函数functionName。

例子

fitResults= sbiofitmixed (sm,grpData,ResponseMap,covEstiminfo,剂量,functionName,选择,变体)适用于变量指定为对象变体而不是使用任何活动模型的变体。

fitResults= sbiofitmixed (___,名称,值)使用附加选项指定一个或多个名称参数。

(fitResults,simDataI,simDataP]= sbiofitmixed (_)返回一个结果对象的向量fitResults,仿真结果的向量simDataI使用细化参数估计,仿真结果的向量simDataP使用人口参数估计。

请注意

例子

全部折叠

打开生活的脚本

这个示例使用收集的数据在59早产儿给予苯巴比妥第一个出生后16天[1]。每个婴儿收到一个初始剂量后跟一个或多个维持剂量静脉丸政府。总共有1 - 6浓度测量获得每个婴儿有时其他剂量倍,总共155测量。婴儿体重和阿普加分数(新生儿健康的衡量)也被记录下来。

加载数据。

负载pheno.matds

将数据集转换成groupedData对象拿着表格数据的容器,被分成组。它可以自动识别常用的变量名作为分组变量或独立的(时间)变量。显示的属性数据和确认GroupVariableName和IndependentVariableName正确确定为“ID”和“时间”,分别。

data = groupedData (ds);data.Properties
ans =结构体字段:描述:“用户数据:[]DimensionNames:{“观察”“变量”}VariableNames: {“ID”“时间”“剂量”“重量”“阿普加”“浓缩的”}VariableDescriptions: {} VariableUnits: {} VariableContinuity: [] RowNames: {} CustomProperties: [1×1 matlab.tabular。CustomProperties] GroupVariableName:“ID”IndependentVariableName:“时间”

创建一个简单的单舱PK模型丸剂量和线性间隙适合这些数据。使用PKModelDesign对象来构造模型。每个隔间被定义为一个名称,剂量类型、间隙类型和剂量是否需要延迟参数。构建模型后,你也可以得到一个PKModelMap对象地图列出物种的名字和参数模型中最相关的配件。

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

描述了实验测量响应通过适当的模型组件映射到响应变量。换句话说,指示哪些物种模型对应于响应变量的数据。的PKModelMap财产观察到的表明模型中相关的物种Drug_Central代表系统中药物浓度。相关的数据变量浓缩的以前,你可视化。

map.Observed
ans =1×1单元阵列{' Drug_Central '}

映射Drug_Central物种浓缩的变量。

responseMap =“Drug_Central =浓缩的”;

该模型的参数估计是中央室的体积中央和清除率Cl_Central。的PKModelMap财产估计这些相关的参数列表。底层算法sbiofit假定参数正态分布,但这种假设可能不是真正的生物参数约束是积极的,如体积和间隙。指定日志估计参数的变换,转换参数服从正态分布。使用一个estimatedInfo对象定义这样的转换和初始值(可选)。

map.Estimated
ans =2×1细胞{“中央”}{' 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]);

每一个婴儿接受不同剂量的时间表。药物的量是变量中列出的数据剂量。指定这些剂量在拟合,从数据创建剂量对象。这些对象使用属性TargetName在模型中指定哪个物种接收剂量。在这个例子中,目标物种Drug_Central上市的PKModelMap财产给。

map.Dosed
ans =1×1单元阵列{' Drug_Central '}

创建一个示例与这个目标名称,然后使用剂量createDoses的方法groupedData对象数据为每个婴儿产生剂量根据计量数据剂量。

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”);

可视化安装使用细化参数估计结果。

情节(nlmeResults“ParameterType”,“个人”);

可视化安装使用总体参数估计结果。

情节(nlmeResults“ParameterType”,“人口”);

使用箱线图显示估计参数的变化。

箱线图(nlmeResults)

模型预测的实际数据进行比较。

plotActualVersusPredicted (nlmeResults)

残差的分布。

plotResidualDistribution (nlmeResults)

情节为每个响应使用模型预测残差x设在。

plotResiduals (nlmeResults“预测”)

输入参数

全部折叠

作为一个SimBiology SimBiology模型,指定模型对象。活动configset对象仿真模型包含的解算器设置。任何积极应用剂量和变异模型在模拟除非另有指定使用剂量和变体分别输入参数。

数据符合指定为一个groupedData对象。

时间变量必须定义的名称IndependentVariableName的属性grpData。例如,如果时间变量名“时间”,然后指定如下。

grpData.Properties。IndependentVariableName =“时间”;

grpData必须至少有两组,分组的名称必须定义变量名的GroupVariableName的属性grpData。例如,如果分组变量名“集团”,然后指定如下。

grpData.Properties。GroupVariableName =“集团”;
通常指的是一组一组测量值,代表的是单一的时间进程,通常对应于一个特定的个人或实验条件。

请注意

sbiofitmixed使用分类函数来确定组。如果任何组值转换为相同的值分类,那么这些观察被视为属于同一组。例如,如果一些观察没有组信息(即空特征向量)分类将空特征向量<定义>,这些观察结果被视为一组。

模型组件的映射信息grpData指定为一个特征向量,字符串,字符串向量,或单元阵列的特征向量。

向量的每个字符或字符串是一个方程表达式,类似于SimBiology分配规则。它包含名称(或限定名称)的数量(物种、车厢或参数)或一个可观测的对象模型中sm,紧随其后的是性格“=”和一个变量的名字grpData。为了清楚起见,允许空白名称和之间“=”。

例如,如果您有浓度数据“浓缩的”在grpData为一个物种“Drug_Central”,您可以指定如下。

ResponseMap =“Drug_Central =浓缩的”;

一个物种名称明确,使用限定名称,其中包括舱的名称。名字reaction-scoped参数,使用反应名称参数。

如果模型组件名称或grpData变量名称不是一个有效的MATLAB®变量名,用方括号把它围起来,如:

ResponseMap =”[1]中部。药物=(1浓缩的中部)';

如果一个变量名称本身包含方括号,你不能在表达式中使用它来定义映射信息。

发出一个错误如果任何(合格)名称匹配相同类型的两个组件。不过,您可以使用一个(合格)名称匹配不同类型的两个组件,和函数首先发现物种的名字,其次是隔间和参数。

估计参数,指定为一个向量的estimatedInfo对象或一个CovariateModel对象,定义了模型中参数估计sm他们最初的估计,(可选),他们的关系与协变量中grpData(可选)。如果这是一个向量的estimatedInfo对象,那么没有使用协变量,参数估计与随机效应。

必要时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是一个向量的estimatedInfo对象时,CategoryVariableName每一个对象的属性将被忽略。

计量信息,指定为一个空数组([]或{}),二维矩阵或细胞剂量对象的向量(ScheduleDose对象或RepeatDose对象)。

如果您省略了剂量输入,该函数适用于活动如果有任何剂量的模型。

如果您指定输入为空[]或{}期间,没有剂量应用模拟,即使模型具有活跃的剂量。

剂量对象的矩阵,它必须有一个单一行或一行每组输入数据。如果一行,相同的剂量在模拟应用于所有群体。如果它有多个行,每一行是应用于一个单独的组,在组出现在输入数据的顺序相同。允许多个列,这样您就可以对每组应用多个剂量对象。

请注意

R2021b,剂量在不再需要列有相同的配置。如果您以前创建的默认(虚拟)剂量填列,这些默认的剂量没有效果,表明没有剂量。

剂量的细胞载体,它必须有一个元素或者一个元素每组输入数据。每个元素必须[]或一个向量的剂量。每个元素的细胞应用于一个单独的组,在组出现在输入数据的顺序相同。

除了手动构建剂量使用对象sbiodose,如果输入groupedData对象有定量信息,您可以使用createDoses方法构建剂量。

估计函数名,指定为一个字符或字符串向量。的选择是“nlmefit”或“nlmefitsa”。摘要支持方法和合适的选项,请参阅万博1manbetx万博1manbetx支持SimBiology的参数估计方法。

选择特定的评估函数,指定为一个结构。

结构可以包含字段和名称的参数接受默认值nlmefit(统计和机器学习的工具箱)和nlmefitsa(统计和机器学习的工具箱)不支持,除了以下。万博1manbetx

  • “FEConstDesign”

  • “FEGroupDesign”

  • “FEObsDesign”

  • “FEParamsSelect”

  • “ParamTransform”

  • “REConstDesign”

  • “REGroupDesign”

  • “REObsDesign”

  • 向量化的

“REParamsSelect”只有当你提供一个万博1manbetx支持向量的吗estimatedInfo对象时指定估计参数。

使用statset(统计和机器学习的工具箱)函数设置“选项”字段的结构(选择),如下所示。

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

其他(见支持名称参数万博1manbetxnlmefit(统计和机器学习的工具箱)和nlmefitsa(统计和机器学习的工具箱)),设置如下。

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

变异,指定为一个空数组([]或{})或变体对象的向量。

如果你

  • 忽略这个输入参数,应用积极的变异函数模型的,如果有任何。

  • 这个输入指定为空,没有使用变体即使模型具有活跃的变体。

  • 指定这个输入向量的变异,变异函数适用于指定的所有模拟和模型主动变异不习惯。

  • 这个输入指定为一个向量的变异并指定变体名称-值参数,该函数适用于这个输入参数中指定的变量名称中指定应用的参数。

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“UseParallel”,没错,‘ProgressPlot’,真的指定运行并行模拟和显示参数估计的进展。

国旗使并行,指定为一个数字或逻辑1(真正的)或0(假)。如果真正的和并行计算工具箱™是可用的,并行函数进行参数估计。

国旗显示参数估计的进展,指定为一个数字或逻辑1(真正的)或0(假)。如果真正的,一个新的图打开包含块。

情节显示固定效应参数的值(θ),方差参数的估计,也就是说,协方差矩阵的对角元素的随机效应(Ψ)和对数似。有关详细信息,请参见情节进展。

类属特异性的变体,指定为一个空数组([]或{}),二维矩阵或细胞变异对象的向量。这些变异让你为特定群体在配件指定参数值。软件适用于这些变量或类属特异性的变异后活跃变体输入参数。如果该值是空的([]或{}),没有与具体应用变异。

矩阵变量的对象,必须是一个或必须匹配的行数的群体数量输入数据。的我th排变体应用于仿真的对象我集团。应用变异从第一列到最后。如果这个矩阵只有一行的变体,它们适用于所有模拟。

变异的细胞矢量对象,必须一个或细胞的数量必须匹配组输入数据的数量。每个元素必须[]或一个向量的变体。如果这个细胞向量只有一个细胞包含一个向量的变体,它们适用于所有模拟。如果向量有多个细胞,细胞的变异我th细胞应用于模拟的我集团。

除了手动构建变体使用对象sbiovariant,如果输入groupedData对象变量信息,您可以使用createVariants构建变体。

输出参数

全部折叠

估计的结果,作为一个返回NLMEResults对象。

仿真结果,作为一个向量的返回SimData对象代表仿真结果为每个组(或个人)使用固定效应和随机效应估计(细化参数估计)。

美国报道simDataI中包含的州吗ResponseMap输入参数以及任何其他州中列出StatesToLog运行时选项的属性(RuntimeOptions)SimBiology模型sm。

仿真结果,作为一个向量的返回SimData对象代表仿真结果为每个组(或个人)只使用固定效应估计总体参数的估计。

美国报道simDataP中包含的州吗ResponseMap输入参数以及任何其他州中列出StatesToLog运行时选项的属性(RuntimeOptions)SimBiology模型sm。

引用

[1]Grasela Jr, T.H.,Donn, S.M. (1985) Neonatal population pharmacokinetics of phenobarbital derived from routine clinical data. Dev Pharmacol Ther. 8(6), 374–83.

扩展功能

版本历史

介绍了R2014a

另请参阅

|(统计和机器学习的工具箱)|(统计和机器学习的工具箱)|||||

主题