کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6595074 1423737 2017 28 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Building pharmacokinetic compartmental models using a superstructure approach
ترجمه فارسی عنوان
مدل های مجتمع های فارماکوکینتیک ساختمان با استفاده از رویکرد فوق ساختاری
ترجمه چکیده
یک چارچوب بهینه سازی برای حمایت از سازنده مدل در ارائه مدل های محدوده ای ارائه شده است که به طور قابل ملاحظه ای داده های حاصل از آزمایش را توصیف می کند. در اینجا، یک پیش فرض، حداکثر تعداد محفظه ها و نوع جریان ها را در طول بهینه سازی تعریف می کند. مدل ریاضی به دنبال رویکرد "فوق ساختاری" است، که ذاتا جریانهای مختلف ممکن را بین هر جفت محفظه در نظر می گیرد. مدل این جریان ها / محفظه ها را فعال می کند که مناسب ترین داده برای داده های آزمایشی ارائه شده است. یک تابع عددی مجاز درست شده به عنوان متریک عملکرد فرموله شده است. برای مقابله با مجموعه نتیجه ای از معادلات دیفرانسیل تقسیم متعامد بر عناصر محدود استفاده می شود. یک مطالعه موردی مربوط به فارماکوکینتیک یک عامل انکولوژیک، مزایا و محدودیت های روش پیشنهادی را نشان می دهد. نتایج عددی نشان می دهد که رویکرد پیشنهادی می تواند خطای پیش بینی میانگین مربع 33 درصد را در مقایسه با یک مدل مجزا که پیشتر در ادبیات پیشنهاد شده است، فراهم کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی مهندسی شیمی (عمومی)
چکیده انگلیسی
An optimization framework is presented to support the model builder in elucidating compartmental models that plausibly describe data obtained during experimentation. Here, one specifies a priori the maximum number of compartments and type of flows to contemplate during the optimization. The mathematical model follows a 'superstructure' approach, which inherently considers the different feasible flows between any pair of compartments. The model activates those flows/compartments that provide the optimal fit for a given set of experimental data. A regularized log-likelihood function is formulated as the performance metric. To deal with the resulting set of differential equations orthogonal collocation on finite elements is employed. A case study related to pharmacokinetics of an oncological agent demonstrates the advantages and limitations of the proposed approach. Numerical results show that the proposed approach can provide 33% smaller mean square prediction error in comparison with a compartmental model previously suggested in the literature.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Chemical Engineering - Volume 107, 5 December 2017, Pages 92-99
نویسندگان
, , ,