پیشبینی بیزی در دوزبندی شخصیسازیشده
پیشبینی بیزی نیروی محرکه دوزبندی دقیق مبتنی بر مدل است. این روش با آنچه در مورد یک جمعیت شناخته شده است (پیشین) آغاز میشود، غلظتهای اندازهگیریشده خود بیمار را در آن ادغام میکند و تخمین بهروز شدهای از پارامترهای فارماکوکینتیک آن بیمار ارائه میدهد که سپس میتواند برای پیشبینی مواجهه آتی و اصلاح رژیم درمانی استفاده شود.
Definition
پیشبینی بیزی در دوزبندی شخصیسازیشده، استفاده از قضیه بیز برای ترکیب یک مدل فارماکوکینتیک جمعیتی (پیشین) با غلظتهای اندازهگیریشده یک بیمار (دادهها) به منظور تخمین پارامترهای آن بیمار (پسین) و پیشبینی مواجهه دارویی آتی او است.
Scope
این مدخل منطق ترکیب یک پیشین جمعیتی با دادههای فردی، نقش تخمین حداکثر پسین و نحوه استفاده از پیشبینیها برای تطبیق دوزبندی را پوشش میدهد. این یک موضوع روششناختی در مورد رویکرد تخمین است و اهداف خاص دارویی یا توصیههای دوزبندی فردی را ارائه نمیدهد.
Core questions
- چگونه یک پیشین جمعیتی با اندازهگیریهای یک فرد ترکیب میشود؟
- چند نمونه و کدام نمونهها برای اطلاعرسانی تخمین مورد نیاز است؟
- چگونه پیشبینی با افزایش دادههای فردی بهبود مییابد؟
- محدودیتهای پیشبینیهایی که به یک پیشین جمعیتی متکی هستند، چیست؟
Key concepts
- پیشین جمعیتی
- دادههای اندازهگیریشده فردی
- تخمین پارامتر پسین
- تخمین حداکثر پسین
- انقباض به سمت پیشین
- پیشبینی مواجهه آتی
Key theories
- تخمین پارامتر بیزی (حداکثر پسین)
- پارامترهای فارماکوکینتیک فردی با حداکثرسازی پسین تخمین زده میشوند، که پیشین جمعیتی را در برابر برازش با غلظتهای اندازهگیریشده خود بیمار متعادل میکند، به طوری که حتی تعداد کمی از نمونهها نیز میتوانند یک تخمین فردی قابل استفاده را ارائه دهند.
Mechanisms
یک روش دوزبندی بیزی با یک مدل جمعیتی آغاز میشود که مقادیر پارامترهای معمول و تغییرپذیری آنها را مشخص میکند؛ این به عنوان پیشین عمل میکند. هنگامی که اندازهگیریهای غلظت خود بیمار در دسترس قرار میگیرد، قضیه بیز پیشین را با احتمال آن اندازهگیریها ترکیب میکند تا یک تخمین پسین از پارامترهای فردی بیمار تولید کند، که معمولاً از طریق تخمین حداکثر پسین انجام میشود. با دادههای کم، تخمین نزدیک به پیشین جمعیتی باقی میماند (انقباض)، و با افزایش اندازهگیریهای فردی، تخمین بیشتر به دادههای خود بیمار متکی میشود. سپس از پارامترهای پسین برای پیشبینی غلظتهای آتی و تطبیق رژیم درمانی استفاده میشود و این چرخه با رسیدن اندازهگیریهای جدید تکرار میشود.
Clinical relevance
پیشبینی بیزی روش اصلی پشت نرمافزارهای دوزبندی دقیق مبتنی بر مدل است که در تحقیقات و عمل برای داروهایی که نیاز به کنترل دقیق مواجهه دارند، استفاده میشود. این مدخل روششناسی تخمین و پیشبینی را توصیف میکند؛ نحوه پیشبینی مواجهه فردی را مشخص میکند و منبعی برای اهداف خاص یا تصمیمات درمانی فردی نیست.
Evidence & guidelines
پیشبینی بیزی بر روششناسی فارماکوکینتیک-فارماکودینامیک جمعیتی و نرمافزار تخمین آن استوار است، با راهنمایی کنترل کیفیت که نحوه ساخت و تأیید مدلهای جمعیتی زیربنایی را قبل از استفاده به عنوان پیشین برای پیشبینیهای فردی توصیف میکند.
History
این رویکرد به پیشنهاد شاینر و همکارانش در سال 1972 برای استفاده از مدلها و تخمین کامپیوتری برای دوزبندی فردی بازمیگردد که ترکیب بیزی دانش جمعیتی با دادههای فردی را معرفی کرد. چارچوب PK/PD جمعیتی تا اوایل دهه 1990 تثبیت شد و گسترش نرمافزارهای تخمین، پیشبینی بیزی را عملی ساخت و اکنون اساس ابزارهای دوزبندی دقیق مبتنی بر مدل را تشکیل میدهد.
Debates
- پیشبینیها تا چه حد باید به پیشین در مقابل دادههای فردی متکی باشند؟
- با اندازهگیریهای کم، تخمینها به سمت پیشین جمعیتی منقبض میشوند، که میتواند تفاوتهای واقعی فردی را پنهان کند؛ نحوه تعادل نفوذ پیشین در برابر دادههای فردی محدود، و نحوه تشخیص زمانی که پیشین برای یک بیمار نامناسب است، همچنان یک نگرانی روششناختی باقی میماند.
Key figures
- Lewis Sheiner
- Stuart Beal
- Roger Jelliffe
Related topics
Seminal works
- sheiner1972
- sheiner1992
Frequently asked questions
- «پیشین» در دوزبندی بیزی چیست؟
- این مدل فارماکوکینتیک جمعیتی است که مقادیر پارامترهای معمول و تغییرپذیری آنها را قبل از در نظر گرفتن هر یک از اندازهگیریهای خود بیمار، خلاصه میکند.
- چرا پیشبینی بیزی میتواند با تنها چند نمونه کار کند؟
- زیرا این روش از قدرت پیشین جمعیتی بهره میبرد و میتواند یک تخمین فردی قابل استفاده را از دادههای کم تولید کند، به طوری که با افزایش اندازهگیریها، تخمین بیشتر به اندازهگیریهای خود بیمار متکی میشود.