Hispanopedia Wiki
Articulo de referencia

Software de modelado de efectos mixtos no lineales

Los modelos de efectos mixtos no lineales son un caso especial del análisis de regresión para el cual existe una variedad de soluciones de software . Las propiedades estadística...

Hispanopedia WikiContenido en espanolLectura gratuita

Los modelos de efectos mixtos no lineales son un caso especial del análisis de regresión para el cual existe una variedad de soluciones de software . Las propiedades estadísticas de estos modelos imposibilitan la estimación directa mediante un estimador BLUE . Por lo tanto, se estiman según los principios de máxima verosimilitud . [ 1 ] Se aplican métodos de estimación específicos, como los de linealización de primer orden (FO), condicional de primer orden (FOCE) o laplaciano (LAPL), y métodos de aproximación como el iterativo de dos etapas (ITS), el muestreo por importancia (IMP), la estimación de aproximación estocástica (SAEM) o el muestreo directo. Un caso especial es el uso de enfoques no paramétricos. Además, la estimación en marcos bayesianos limitados o completos se realiza utilizando los algoritmos de Metropolis-Hastings o NUTS . [ 2 ] Algunas soluciones de software se centran en un único método de estimación, mientras que otras abarcan una variedad de métodos y/o cuentan con interfaces para casos de uso específicos.

Software de propósito general

El software de estimación de efectos mixtos no lineales de uso general (independiente del caso de uso) puede abarcar múltiples métodos de estimación o centrarse en uno solo.

Software con múltiples métodos de estimación

  • SAS es un paquete utilizado en la amplia comunidad estadística y admite múltiples métodos de estimación desde PROC NLMIX.
  • En el sistema de software de código abierto R se encuentran disponibles varios métodos de estimación , como nlme. [ 3 ]
  • MATLAB proporciona múltiples métodos de estimación en su sistema nlmefit. [ 4 ]

SPSS actualmente no admite métodos de efectos mixtos no lineales. [ 5 ]

Software dedicado a un único método de estimación.

  • WinBUGS es una implementación del método de Metropolis-Hastings para el análisis bayesiano.
  • Stan es un software de código abierto que implementa el algoritmo NUTS.

Software dedicado a la farmacometría

El campo de la farmacometría se basa en gran medida en enfoques de efectos mixtos no lineales y, por lo tanto, utiliza enfoques de software especializados. [ 6 ] Al igual que con el software de propósito general, existen implementaciones de métodos de estimación simples o múltiples. Este tipo de software se basa en gran medida en solucionadores de EDO .

Software con múltiples métodos de estimación

  • NONMEM es el software más utilizado en el campo de la farmacometica. [ 6 ]
  • Phoenix implementa múltiples métodos de estimación en una interfaz gráfica de usuario. [ 7 ]
  • Pumas implementa múltiples métodos de estimación en el lenguaje Julia . [ 7 ]
  • nlmixr/nlmixr2 es un conjunto de herramientas con interfaz en R que implementa FOCE y SAEM. [ 8 ]
  • ADAPT y S-ADAPT implementan múltiples métodos de estimación en una interfaz gráfica o de scripting, respectivamente. [ 7 ]

Software dedicado a un único método de estimación.

  • Monolix es una potente implementación de SAEM que también puede analizar NMTRAN. [ 7 ]
  • NPEM implementa efectos mixtos no paramétricos. [ 7 ]
  • La eficiencia de los solucionadores de EDO influye en la calidad de la estimación. Los solucionadores más populares son los métodos basados ​​en Runge- Kutta , varios solucionadores rígidos y solucionadores conmutados como LSODA del paquete LAPACK .
  • Una forma especializada de modelado farmacocinético, el modelado farmacocinético basado en la fisiología ( PBPK ) también puede considerarse en algunos casos como una implementación de efectos mixtos no lineales; véase también la sección de software de ese lema.
  • El software de diseño óptimo, como PopED, puede utilizarse junto con la estimación. [ 7 ]

Referencias

  1. ↑ Davidian, Marie; Giltinan, David M. (1995). «Prefacio» . Modelos no lineales para datos de mediciones repetidas . CRC Press. págs. xiii– xv. ISBN  978-0-412-98341-2.
  2. ↑ Tsiros, Periklis; Bois, Frederic Y.; Dokoumetzidis, Aristides; Tsiliki, Georgia; Sarimveis, Haralambos (abril de 2019). "Reanálisis farmacocinético poblacional de un modelo PBPK de diazepam: una comparación de Stan y GNU MCSim". Journal of Pharmacokinetics and Pharmacodynamics . 46 (2): 173– 192. doi : 10.1007/s10928-019-09630-x . PMID 30949914 . 
  3. ↑ "función nlme - RDocumentation" . www.rdocumentation.org . Consultado el 9 de mayo de 2022 .
  4. ↑ "Estimación no lineal de efectos mixtos - MATLAB nlmefit - MathWorks Benelux" . nl.mathworks.com . Consultado el 9 de mayo de 2022 .
  5. ↑ "¿Ofrece IBM SPSS Statistics modelos mixtos no lineales?" . www.ibm.com . 16 de abril de 2020 . Consultado el 9 de mayo de 2022 .
  6. 1 2 Usman, Muhammad; Rasheed, Huma (2019). «Farmacometría y su aplicación en la práctica clínica». En Babar, Zaheer-Ud-Din (ed.). Enciclopedia de la práctica farmacéutica y farmacia clínica . Elsevier. pp. 227–238 . doi : 10.1016/B978-0-12-812735-3.00132-1 (inactivo el 1 de julio de 2025). ISBN  978-0-12-812736-0.{{cite book}}: CS1 maint: DOI inactivo desde julio de 2025 ( enlace )
  7. 1 2 3 4 5 6 "Software farmacocinético" . www.pharmpk.com . Consultado el 09-05-2022 .
  8. ↑ Wang, Matthew Fidler, Teun M. Post, Richard Hooijmaijers, Rik Schoemaker, Mirjam N. Trame, Justin Wilkins, Yuan Xiong y Wenping. nlmixr: un paquete de R para el modelado PKPD poblacional .{{cite book}}: CS1 maint: varios nombres: lista de autores ( enlace )