sbiosampleparameters

通过抽样协变量模型生成参数(需要统计和机器学习工具箱软件)

折叠所有页面

语法

Phi = sbiosampleparameters(covexpr，，，ds)

= sbiosampleparameters(covexpr，，，n)

[phi,covmodel] = sbiosampleparameters(_)

描述

例子

φ= sbiosampleparameters (covexpr，θ，ω，ds）生成一个矩阵φ使用由协变量表达式指定的协变量模型包含采样的参数值covexpr，固定效果θ，协方差矩阵ω，协变量数据ds．

例子

φ= sbiosampleparameters (covexpr，θ，ω，n）使用标量n它指定其中的行数φ当参数不依赖于任何协变量时。

例子

［φ，covmodel= sbiosampleparameters(_)返回一个矩阵φ和一个协变量模型对象covmodel使用以前语法中的任何输入参数。

例子

全部折叠

协变量模型的样本参数值

打开实时脚本

本例使用了在出生后16天内给予苯巴比妥的59名早产儿的数据。每个婴儿接受初始剂量，然后静脉注射一次或多次持续剂量。除剂量时间外，对每个婴儿总共进行了1至6次浓度测量，总共进行了155次测量。还记录了婴儿体重和APGAR评分(新生儿健康的衡量标准)。数据描述在[1]中，由NIH/NIBIB拨款P41-EB01975资助的一项研究。

加载数据。

负载pheno.matds

可视化数据。

T = sbiotrellis(ds，“ID”，“时间”，“浓缩的”，“标记”，“o”，“markerfacecolor”,(。7 .7 .7]，“markeredgecolor”，“r”，“线型”，“没有”）;t.plottitle =“国家与时间”；

建立一个单室药室PK模型，采用丸量和线性间隙对这些数据进行建模。

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

假设中央隔室的体积(中央)和婴儿的体重。您可以使用协变量模型定义此参数-协变量关系，该协变量模型可以描述为

$日志（ V_{我} ）＝ θ_{V} + θ_{\frac{V}{W E 我 G H T}} * W E 我 G H T_{我} + η_{V ，我}$ ，

在那里，每生一个婴儿，V体积，θs (theta)是固定效应，η (eta)是随机效应，和重量是协变量。

covM = CovariateModel;covM。Expression = {'Central = exp(theta1+theta2*WEIGHT+eta1)'}；

定义固定和随机效果。每个表的列名必须分别具有固定效果和随机效果的名称。

theta =表(1.4,0.05，“VariableNames”, {“θ₁”，“θ”});Eta1 = table(0.2，“VariableNames”, {“eta1”});

中将组标签ID修改为groupsbiosampleparameters函数。

ds.Properties.VariableNames {“ID”} =“集团”；

根据数据集中所有婴儿的协变量模型，生成central compartments central体积的参数值。

phi = sbiosampleparameters(covM.Expression,theta,eta1,ds);

然后可以使用采样的参数值模拟模型。为方便起见，使用SimFunction对象提供的类函数接口。

首先，使用createSimFunction方法构造一个SimFunction对象，将体积(Central)指定为参数，将药室中的药物浓度(Drug_Central)指定为SimFunction对象的输出，并指定给药的种类。

f = createSimFunction(onecomp,covM. f)ParameterNames,“Drug_Central”，“Drug_Central”）;

数据集ds包含每个婴儿的剂量信息，groupedData对象提供了一种提取这种剂量信息的方便方法。将ds转换为groupedData对象并提取剂量信息。

grpData = groupedData(ds);剂量= createdose (grpData，“剂量”）;

使用phi的采样参数值和提取的每个婴儿的给药信息模拟模型，并绘制结果。第i次运行使用phi中的第i个参数值和第i个婴儿的剂量信息。

t = sbiotrellis(f(phi,200,dose . gettable)，[]，“时间”，“Drug_Central”）;调整图形的大小。t.hFig.Position(:) = [100 100 1280 800];

输入参数

全部折叠

`covexpr`- - - - - -协变量的表达式
字符向量的单元格数组|字符串向量

协变量表达式，指定为定义参数-协变量关系的字符向量或字符串向量的单元格数组。

如果模型组件名称或协变量名称不是有效的MATLAB^®变量名，在表达式中引用时用方括号将其括起来。例如，如果一个物种的名称是DNA聚合酶+,写(DNA聚合酶+)．如果协变量名称本身包含方括号，则不能在表达式中使用它。

看到CovariateModel对象了解更多协变量表达式。

`θ`- - - - - -固定的影响
表格|数据集|数值向量

固定效果，指定为包含协变量表达式中定义的固定效果参数值的表、数据集或数字向量covexpr．固定效果参数名称必须以“θ”．

如果θ是一张桌子，thetas.Properties.VariableNames必须与固定效果的名称匹配。
例如，假设你有三个θ：thetaOne= 0.1，θ= 0.2,1= 0.3．您可以创建相应的表。
```
=表(0.1,0.2,0.3);thetas.Properties.VariableNames = {“thetaOne”，“θ”，“1”｝
```
```
θ= 1×3表thetaOneθ1  ________ ______ ______ 0.1 0.2 0.3
```
如果θ是一个数据集，thetas.Properties.VarNames必须与固定效果的名称匹配。
如果θ是数值向量，向量中值的顺序必须与固定效果名称的升序ASCII字典顺序相同。
使用排序函数对字符向量的单元格数组排序以查看顺序。
```
排序({“thetaOne”，“θ”，“1”})
```
```
ans = 1×3单元格数组{'theta2'} {'theta3'} {'thetaOne'}
```
然后指定每一个的值θ同样的顺序。
```
theta = [0.2 0.3 0.1];
```

`ω`- - - - - -随机效应的协方差矩阵
表格|数据集|矩阵

随机效应的协方差矩阵，指定为表、数据集或矩阵。随机效果参数名称必须以“埃塔”．

如果ω是一张桌子，omega.Properties.VariableNames必须与随机效果的名称匹配。指定行名(RowNames)是可选的，但如果你这样做，它们也必须匹配随机效果的名称。
假设你想定义一个有三个随机效应参数的对角线协方差矩阵eta1，eta2,eta3用价值观0．1，0.2,0.3,分别。
$［ \begin{array}{l} C o v （ η_{1} ， η_{1} ） C o v （ η {}_{1}， η_{2} ） C o v （ η_{1} ， η_{3.} ） \\ C o v （ η_{2} ， η_{1} ） C o v （ η_{2} ， η_{2} ） C o v （ η_{2} ， η_{3.} ） \\ C o v （ η_{3.} ， η_{1} ） C o v （ η_{3.} ， η_{2} ） C o v （ η_{3.} ， η_{3.} ） \end{array} ］＝［ \begin{array}{l} e t 一个 1 0 0 \\ 0 e t 一个 2 0 \\ 0 0 e t 一个 3. \end{array} ］$
您可以构造相应的表。
```
Eta1 = [0.1;0;0];Eta2 = [0;0.2;0];Eta3 = [0;0;0.3];= table(eta1,eta2,eta3，“VariableNames”, {“eta1”，“eta2”，“eta3”})
```
```
Omega = 3×3 table eta1 eta2 eta3 ____ ____ ____ 0.1 0 0 0 0.2 0 0 0 0.3
```
如果ω是一个数据集，omega.Properties.VarNames必须与随机效果的名称匹配。指定行名(ObsNames)是可选的，但如果你这样做，它们也必须匹配随机效果的名称。
如果ω为矩阵，行和列必须具有与随机效果名相同的升序ASCII字典顺序。
使用排序函数对字符向量的单元格数组排序以查看顺序。
```
排序({“eta1”，“eta2”，“eta3”})
```
```
Ans = 1×3单元格数组{'eta1'} {'eta2'} {'eta3'}
```