基于比例優勢模型和優化試驗設計的計算機臨床仿真

基于比例優勢模型和優化試驗設計的計算機臨床仿真

【摘要】 基于比例優勢模型的臨床試驗仿真，給出優化試驗設計方法，以抗偏頭痛新藥那拉曲坦(naratriptan)為例，仿真藥物臨床試驗結果。采用比例優勢模型，分析不同給藥時間、劑量對疼痛減輕(pain relief，PR)的影響。然后，采用優化實驗設計最大化FIM行列式，比較臨床試驗仿真的設計結果，得出較合理的給藥劑量和時間的設計方案。通過曲線圖直觀地表示出PR概率的變化趨勢，反映了給藥時間和給藥劑量對PR產生的影響。從仿真結果得出，藥物效應的變化滯后于血藥濃度的變化，疼痛減輕概率和給藥劑量、采樣時間、模型參數等因素有關。臨床實驗仿真對于新藥的研發是一種有效的工具，它可以定量估計可控因素對治療效果的影響。

【關鍵詞】 比例優勢模型;D-優化試驗設計;Fisher信息矩陣;計算機臨床試驗仿真

　Clinical Trial Simulation based on

　　Proportional Odds Model and D?optimal Design ZHENG Dan1, ZHU Ling, LIU Yajie, SHI Xinling

　　(1.Electronical Engineering Department, Information School, Yunnan University, Kunming 650091，China)

　　Abstract：To introduce the clinical trial simulation based on proportional odds model. Taking naratriptan as example, which is a novel agonist for the acute treatment of migraine, we adopted the method of D-optimal design to simulate the drug clinical trail of naratriptan.We adopted proportional odds model and analysed different factors such as time and does how to impact Pain Relief(PR). Then, the D-optimal design was used to maximize the determinant of Fisher information matrix(FIM) and compared the clinical trial simulated results. Finally more reasonable dose and time of the designs were obtained.The curve of the PR probability expressed PR trend directly, reflecting administration dose and time on the impact of PR. According to the simulated results, we found that there was a delay of the effect with respect to the plasma concentration in “effect” compartment and the probability of having a specific Pain Relief (PR) score depended on different facts such as dose, the effect sampling time and model parameters. Clinical trial simulation is a useful tool for the new drug development and it can be used for the quantitative assessment of the controllable factors to the effect of treatment.

　　Key words：Proportional odds model; D-optimal design; Fisher information matrix; Clinical trials simulation

　　1 引 言

　　計算機臨床實驗仿真(CTS)運用計算機模擬技術從前期研究中獲得信息，揭示試驗設計中變量和假設對結果的影響，預測和評價不同研究方案可能產生的結果。CTS適用于實際系統費用昂貴，存在安全問題的情況，根據藥物的藥效學和藥代動力學設計臨床試驗仿真，分析仿真結果，改進方案，從而節約了成本，提高了研發新藥的效率[1-2]。

　　在臨床試驗中常遇到反應變量為多分類有序變量[3]，采用Logistic回歸模型研究多分類反應變量與其影響因子間關系，分析得到調整后的藥物評價結果[4]。D-優化試驗設計是按照一定的算法，最大化FIM行列式，在幾組設計方案中尋求最優。本研究提出了將傳統的比例優勢模型與優化試驗設計結合的方法，進行計算機藥物臨床試驗仿真。

　　2 方法

　　以抗偏頭痛新藥那拉曲坦為例，首先分析血藥濃度變化，然后采用多分類有序反應變量的logistic回歸模型，討論藥效和給藥劑量、時間之間的關系。最后，采用D-最優試驗設計最大化FIM行列式，分析比較幾組不同的劑量和給藥時間與藥物療效的關系，從而得出較好的設計方案。

　　 2.1 比例優勢模型

　　采用多分類有序反應變量的logistic回歸模型，即比例優勢模型分析分類變量與一個或多個變量間關系。比例優勢模型是一般的二分類logistic回歸的擴展，當結果變量只取兩個等級時，有序分類結果的logistic回歸就等于一般的二分類logisitc回歸。標準的比例優勢模型定義如下所示：

　　logit〔Pr(Yij≤k)〕=logPr(Yij≤k)1-Pr(Yij≤k)(1)

　　其中，Pr(·)表示疼痛減輕(Pain relief，PR)概率，Y表示反應變量，有k個等級，Yij表示在第i個時間點采用第j種劑量產生的疼痛減輕的變化等級。 通過公式得Pr(Y)概率函數的數學表達式：

　　logit〔Pr(y)〕=g(y;θ，η)=log〔Pr(y)/(1-Pr(y))〕

　　得Pr(Y)概率函數的數學表達式：

　　Pr(Yij

　　=exp[g(yij;θ，η)]/{1+exp[g(yij;θ，η)]｝

　　yij=0,1,2,3,4(2)

　　Pr(Yij<0;θ，η)=0

　　Pr(Yij<5;θ，η)=1

　　定義：

　　g(yij;θ，η)=∑4m=1θmQm(yij)+θ5tijtij+θ6+

　　θ7CeijCeij+θ8+ηi(3)

　　公式(3)中θm(yij)為指示函數，θi為處理因素的效應參數，Ce表示藥物在假設效應點的血藥濃度，θ5tijtij+θ6表示關于時間單調的飽和安慰劑效果。θ7CeijCeij+θ8表示單調的關于Ceij的純藥效。ηi表示除去時間、計量對Y的影響后的隨機效應，服從均值為0方差，為ω2η的正態分布[5]。

　　為了研究疼痛減輕概率與時間和血藥濃度之間的關系，需要先討論血藥濃度的變化情況。本研究僅討論快速靜脈注射時血藥濃度Ce變化的情況，將機體看成兩個房室，藥物靜脈注射后先進入中央室，然后逐漸向周邊室轉運，在中央室與周邊室之間藥物進行著可逆的轉換，其體內過程模型見圖1[6]。

　　圖1 二房室模型靜脈注射給藥

　　Fig 1 Two-compartment model of intravenous administration

　　其中，中央室內t時刻的藥量為Xc，中央室的表觀分布容積為Vc，周邊室t時刻的藥量為Xp，K12和K21為中心室和周邊室互相交流的速率常數，K10為中央室消除速率常數。根據圖1列出微分方程組：

　　dxc=-K12Xc+K10Xc+K21Xp
　　dxp=K12Xc-K21Xp(4)

　　初始條件為t=0時，Xc=D，Xp=0，解微分方程組(4)得：

　　xc=D(α-K21)α-βe-αt+D(K21-β)α-βe-β t(5)

　　血藥濃度為：

　　Ce=xcVc=D(α-K21)Vc(α-β)e-αt+D(K21-β)Vc(α-β)e-β t(6)

　　2.2 D-優化試驗設計原理職稱論文

　　D-優化試驗是按照一定的算法得到的試驗方案，目的是以最少的試驗次數得到試驗結果[7]。在本文中，D-最優設計就是滿足Fisher信息矩陣XTX的行列式最大的設計。

　　當存在一個線性的變量聯合時，Fisher信息矩陣用公式(7)表示，在用Fisher模型進行響應面擬合時一般取二階多項式回歸模型。如果在PD模型中，偏頭痛的類型被忽略，那么該響應模型有4個參數(θ，β1，β2和β3)和兩個變量——時間和劑量。對于這些可能的劑量組和效應采樣時間組的附加約束條件如下[8]：(1)它們為正數;(2)需要含有安慰劑劑量;(3)需要2 h作為效應采樣時間。

　　πi=exp(θ+β1ti+β2di+β3ti×di)1+exp(θ+β1ti+β2di+β3ti×di)，

　　t=time,d=dose,wi=πi(1-πi)

　　MF=∑ni=1wi∑ni=1tiwi∑ni=1diwi∑ni=1tidiwi

　　∑ni=1tiwi∑ni=1ti2wi∑ni=1tidiwi∑ni=1ti2diwi

　　∑ni=1diwi∑ni=1tidiwi∑ni=1di2wi∑ni=1tidi2wi

　　∑ni=1tidiwi∑ni=1ti2diwi∑ni=1tidi2wi∑ni=1ti2di2wi(7)

　　公式(7)中，πi表示不同時間和給藥劑量產生的疼痛減輕概率，該信息矩陣為4×4的矩陣，共有16個測試點，通過不同劑量和時間的組合求解FIM的最大行列式從而確定最優設計點。

　　3 結果和討論

　　藥物臨床試驗仿真首先要根據試驗目的建立一個仿真模型，然后，把試驗數據輸入該模型，用更為客觀的方法，定量描述藥物的給藥方案和效應之間的關系，預測不同設計方案的試驗結果并加以分析，從而確定試驗藥物的有效性和安全性。

　　本研究以那拉曲坦(naratriptan)為例，討論分析藥物臨床實驗仿真結果。那拉曲坦是一種新型的高選擇性五-羥色胺(5-TH)受體激動劑，主要用于治療急性偏頭痛發作[9]。首先采用比例優勢模型分析那拉曲坦的藥效與給藥時間和劑量的關系，然后利用D-優化試驗設計得到比較合理的給藥劑量和時間的設計方案。

　　3.1 分析血藥濃度變化

　　根據血藥濃度方程(6)，得到血藥濃度的變化曲線，見圖2。在時間1～10 h之間，給藥劑量分別為1、2.5、5、8、10 mg的血藥濃度變化曲線。

　　圖2 血藥濃度—時間變化曲線

　　Fig 2 Plasma concentration-time curves 如圖2所示，對于不同劑量在同一時間下，血藥濃度隨劑量的增加而增加;對于同一劑量，血藥濃度的變化是一個先上升，后下降，最后平衡地減少的過程。血藥濃度需要大概1.5 h達到峰值。

　　3.2 分析藥物效應—時間關系

　　研究某種藥物療效與影響因素的關系時，以藥物產生的疼痛減輕概率P為應變量，給藥劑量和時間為自變量，建立與各自變量有關的回歸方程，利用logistic回歸分析得到調整后的藥物評價結果。

　　根據比例優勢模型，得出藥物效應和時間的關系曲線，見圖3。從圖3中可以看出在相同劑量下，隨著給藥時間的增加，疼痛減輕的概率增大，在2～10 h之間疼痛減輕概率變化比較大;在相同時間下，隨著給藥劑量的增加疼痛減輕的概率增大。

　　圖3 那拉曲坦的PR概率曲線

　　Fig 3 Naratriptan probability of pain relief profile

　　對照圖2和圖3，從圖2中觀察出血藥濃度在1.5～3 h達到血藥濃度峰值，而在圖3中藥物效應在6～10 h才達到峰值，表明血液通常不是藥物的直接作用部位，藥物作用的直接靶標是效應部位，藥物從中央室向效應室中的分布需要一定的時間[10]，所以，大多數藥物效應的變化滯后于血藥濃度的變化。

　　3.3 預測分類疼痛減輕概率

　　我們研究不同因素對偏頭痛療效的影響時，采用5種有序的疼痛減輕(Pain Relief，PR)等級評價藥物療效，PR等級分類見表1。通過建立比例優勢模型，得到不同PR等級下PR概率的變化，從而反映藥物療效在不同給藥劑量和時間條件下的變化趨勢。

　　PR概率作為一個關于時間和劑量的函數，其變化趨勢見圖4。其中，x軸表示時間，y軸表示劑量，z軸表示疼痛減輕的概率。從圖4中可以看出，當給表1 疼痛減輕等級分類

　　Table 1 The level of pain relief

　　PR等級表示0沒有疼痛減輕1輕微疼痛減輕2中度疼痛減輕3大部分疼痛消失4疼痛完全消失

　　藥劑量比較小時，疼痛減輕需要的時間相對比較長;當給藥計量比較大時，疼痛減輕需要的時間相對較短。另外，PR概率與PR的等級變化也有關系。PR等級>=1時， PR概率比較高，說明藥物對輕微疼痛減輕效果顯著;PR等級>=2時， PR的概率也相對較高，說明藥物對中度疼痛減輕效果明顯;PR等級>=3時，PR的概率略為下降，說明藥物不能完全減輕疼痛;PR等級=4時，表示疼痛完全消失，這種情況的PR概率比較小，說明藥物控制疼痛的效果也有一定的局限性。

　　3.4 D-優化試驗設計

　　通過事先確定兩個固定的設計點—一個安慰劑圖4 特定PR等級下的PR概率

　　Fig 4 Pain relief probability of having specific pain relief scores

　　劑量和一個2 h的采樣時間點，再選擇其他設計點，根據公式(7)計算出每個設計方案下的Fisher信息矩陣行列式，結果見表2�？梢钥闯�，采樣時間除了2 h以外，分別有3、4、5、6、7、8、9 h七個采樣時間作比較，給藥劑量組中除了安慰劑量(0mg)確定，其它均分別由低劑量、中劑量、高劑量組成。表2 幾組臨床試驗設計下的FIM行列式

　　如表2所示，在相同時間下設計五組劑量，每組需要的劑量數是實際應用設計(組6)的一半，在試驗中用一半的藥物劑量預測臨床試驗結果，節約了一半的藥物劑量。在試驗設計中，不同時間和劑量組對應得到不同的FIM行列式，構成FIM的表面，見圖5。Fisher信息矩陣中得到的行列式大小反映了藥物相對有效性。如圖5所示，采樣時間選擇2、5 h，劑量選擇第5組，效果比較好。分析結果表明，在臨床試驗設計中，需要權衡優化和理論化設計的利弊，通過定量地比較可選擇的試驗設計，選出更加符合實際情況的試驗設計。

　　4 結論

　　本研究基于藥物臨床試驗模型的臨床實驗仿真，采用優化試驗設計方法，以抗偏頭痛新藥那拉曲坦(naratriptan)為例，仿真藥物臨床試驗療效與不同因素的關系。實例仿真結果表明：血藥濃度與藥效之間存在滯后環節，即藥效的變化滯后于血藥濃度圖5 Fisher信息矩陣行列式面

　　Fig 5 Determinant of the Fisher information matrix surface

　　的變化。不同給藥劑量和時間對藥物療效的影響不同，藥物產生顯著療效的概率比產生輕微療效的概率低，采用小劑量的藥物療效比大劑量的緩慢。

　　在整個藥物臨床試驗仿真中，通過各種曲線圖直觀地表示藥效與給藥劑量和時間的關系并預測其變化趨勢。根據實驗結果，討論分析給藥劑量和時間對藥效產生的影響，并給出優化試驗設計方案，有利于幫助和指導研究人員進一步的工作以及方案的制定與選擇。

【參考文獻】
　[1]Holford N H G,Kimko H C,Montelone J P R, et al. Simulation of clinical trials[J]. Pharmacol Toxicol，2000，40:209-234.

　　[2]焦正，蔣新國，鐘明康，等.藥物臨床研究的計算機模擬[J].中國新藥與臨床雜志，2005 ，24：491-495.

　　[3]林寰，潘曉平，李苑.流行病學中有序分類結果變量的回歸模型介紹及應用[J].現代預防醫學，2006，33：704-706.

　　[4]易丹輝，何錚.Logistic 模型及其應用[J].統計與決策，2003，3：26-27.

　　[5]Chui Yu Liu,Nancy C. Sambol.Pharmacodynamic analysis of analgesic clinical trials using empirical methods[J].Pharmaceutical Research，1995,12:438-456.

　　[6]梁文權主編.生物藥劑學與藥物動力學[M].人民衛生出版社,2004：231.

　　[7]郭強，劉建國，葛仁東，等.混合效應模型中的D-最優設計[J].運籌與管理，2003，12：31-35.

　　[8]Ivan Nestorov, Gordon Graham,Stephen Duffull,et al. Modeling and simulation for clinical trial design involving a categorical response: A phase II case study with Naratriptan[J]. Pharmaceutical Research，2001，18：1210-1219.

　　[9]Hannele Havanka，Carl Dahlof，Paul H.M.Pop，et al. Efficacy of naratriptan tablets in the acute treatment of migraine: a dose-ranging study[J]. Clinical Therapeutics, 2000,22:970-980.

　　[10]吳芳，張源.藥代動力學和藥效學結合模型的研究進展[J].國外醫學藥學分冊，2004，31：103-107.

【基于比例優勢模型和優化試驗設計的計算機臨床仿真】相關文章：

基于PLC的斷路器型式試驗系統設計03-10

談基于勝任力模型的企業組織生涯管理策略08-22

無線傳感網SCRP協議的設計和仿真05-11

變電站接地網優化設計08-24

蒙牛集團供應管理系統的改造和優化05-15

基于ＣＳ管理的房地產企業開發設計06-04

基于web的異地并行設計與制造系統研究06-02

基于勝任力的企業個體績效管理流程設計06-03

優化小學數學作業設計的研究開題報告08-18

優化高職學生理想和信念教育環境的發展論文05-22