主要内容

非线性Mixed-Effects建模

执行总体参数的最大似然估计

一个非线性mixed-effects (NLME)模型是一种统计模型,其中包括(人口参数)固定效应和随机效应(个体差异)。它承认相关性在示例子组和适用于小样本大小。你可以估计总体参数,同时考虑个体差异使用各种mixed-effects方法,如采用随机近似(SAEM),一阶条件估计(FOCE),一阶估计(FO),线性mixed-effects (LME),并限制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 构建QSP、PK / PD和机械系统生物学模型交互
SimBiology模型分析 分析QSP, PK / PD和机械系统生物学模型

功能

全部展开

适合 对象使用SimBiology执行参数估计问题
sbiofitmixed 适合非线性mixed-effects模型(需要统计和机器学习工具软件)
预测(NLMEResults) 模拟和评估安装SimBiology模型
随机(NLMEResults) 模拟SimBiology模型,添加不同的抽样误差模型
sbiosampleparameters 通过抽样协变量模型(需要生成参数统计和机器学习工具软件)
sbiosampleerror 基于误差模型样本误差和添加噪声输入数据
covariateModel (NLMEResults) 返回一个副本的协变量模型用于非线性mixed-effects评估使用sbiofitmixed
createDoses 创建从groupedData剂量对象对象
安装(NLMEResults) 回归拟合非线性mixed-effects模型的仿真结果
getCovariateData (pkdata) 创建所需的设计矩阵
getdose(模型) 返回SimBiology剂量对象
constructDefaultFixedEffectValues 创建包含初步估计固定效果所需的结构
验证 检查协变量模型错误
sbiofitstatusplot 情节状态非线性mixed-effects估计
箱线图(NLMEResults) 创建箱线图显示SimBiology估计模型参数的变化
情节(NLMEResults) 比较仿真结果训练数据,创建一个时间进程为每组次要情节
plotActualVersusPredicted (NLMEResults) 比较预测实际数据,为每个解决方案创建一个次要情节的回应
plotResiduals (NLMEResults) 阴谋每个响应的残差,使用时间、组或预测的轴
plotResidualDistribution (NLMEResults) 残差的分布

对象

全部展开

fitproblem SimBiology对象参数估计问题
groupedData 类似于表SimBiology收集数据和元数据的拟合
EstimatedInfo对象 对象包含的信息估计模型
NLMEResults对象 从非线性mixed-effects建模结果对象包含估计结果
CovariateModel 定义参数和协变量之间的关系

主题

NLME基础知识

NLME工作流