Peramalan Bayesian dalam Dosis Personal

Peramalan Bayesian adalah inti di balik penentuan dosis presisi berbasis model. Ini dimulai dari apa yang diketahui tentang suatu populasi (prior), menggabungkan konsentrasi terukur pasien secara individual, dan menghasilkan estimasi terbaru dari parameter farmakokinetik pasien tersebut, yang kemudian dapat digunakan untuk memperkirakan paparan di masa mendatang dan menyempurnakan rejimen.

Definition

Peramalan Bayesian dalam penentuan dosis personal adalah penggunaan teorema Bayes untuk menggabungkan model farmakokinetik populasi (prior) dengan konsentrasi terukur pasien secara individual (data) untuk mengestimasi parameter pasien tersebut (posterior) dan memprediksi paparan obat mereka di masa mendatang.

Scope

Entri ini mencakup logika penggabungan prior populasi dengan data individu, peran estimasi maksimum a posteriori, dan bagaimana peramalan digunakan untuk menyesuaikan dosis. Ini adalah topik metodologis tentang pendekatan estimasi dan tidak memberikan target spesifik obat atau rekomendasi dosis individual.

Core questions

• Bagaimana prior populasi digabungkan dengan pengukuran individu?
• Berapa banyak dan sampel mana yang dibutuhkan untuk menginformasikan estimasi?
• Bagaimana peramalan meningkat seiring dengan bertambahnya data individu?
• Apa batasan peramalan yang bergantung pada prior populasi?

Key concepts

• Prior populasi
• Data terukur individu
• Estimasi parameter posterior
• Estimasi maksimum a posteriori
• Penciutan ke arah prior
• Peramalan paparan di masa mendatang

Key theories

Estimasi parameter Bayesian (maksimum a posteriori)

Parameter farmakokinetik individu diestimasi dengan memaksimalkan posterior, menyeimbangkan prior populasi dengan kesesuaian terhadap konsentrasi terukur pasien sendiri, sehingga beberapa sampel masih dapat menghasilkan estimasi individu yang dapat digunakan.

Mechanisms

Metode penentuan dosis Bayesian dimulai dengan model populasi yang menentukan nilai parameter tipikal dan variabilitasnya; ini berfungsi sebagai prior. Ketika pengukuran konsentrasi pasien tersedia, teorema Bayes menggabungkan prior dengan kemungkinan pengukuran tersebut untuk menghasilkan estimasi posterior parameter individual pasien, umumnya melalui estimasi maksimum a posteriori. Dengan data yang jarang, estimasi tetap mendekati prior populasi (shrinkage), dan seiring dengan bertambahnya pengukuran individual, estimasi lebih bergantung pada data pasien itu sendiri. Parameter posterior kemudian digunakan untuk memperkirakan konsentrasi di masa mendatang dan untuk menyesuaikan rejimen, dengan siklus yang berulang saat pengukuran baru tiba.

Clinical relevance

Peramalan Bayesian adalah metode inti di balik perangkat lunak penentuan dosis presisi berbasis model yang digunakan dalam penelitian dan praktik untuk obat-obatan yang memerlukan kontrol paparan yang cermat. Entri ini menjelaskan metodologi estimasi dan peramalan; ini mengkarakterisasi bagaimana paparan individu diprediksi dan bukan merupakan sumber target spesifik atau keputusan perawatan individual.

Evidence & guidelines

Peramalan Bayesian didasarkan pada metodologi farmakokinetik-farmakodinamik populasi dan perangkat lunak estimasinya, dengan panduan kontrol kualitas yang menjelaskan bagaimana model populasi yang mendasari harus dibangun dan dikualifikasi sebelum digunakan sebagai prior untuk peramalan individual.

History

Pendekatan ini berawal dari proposal Sheiner dan rekan-rekannya pada tahun 1972 untuk menggunakan model dan estimasi komputer untuk penentuan dosis individual, yang memperkenalkan kombinasi Bayesian dari pengetahuan populasi dengan data individu. Kerangka kerja PK/PD populasi yang terkonsolidasi pada awal 1990-an dan penyebaran perangkat lunak estimasi membuat peramalan Bayesian praktis, dan sekarang membentuk dasar alat penentuan dosis presisi berbasis model.

Debates

Seberapa besar peramalan harus bergantung pada prior versus data individu?

Dengan pengukuran yang jarang, estimasi menyusut ke arah prior populasi, yang dapat menutupi perbedaan individu yang sebenarnya; bagaimana menyeimbangkan pengaruh prior terhadap data individu yang terbatas, dan bagaimana mendeteksi kapan prior tidak sesuai untuk seorang pasien, tetap menjadi perhatian metodologis.

Key figures

• Lewis Sheiner
• Stuart Beal
• Roger Jelliffe

Seminal works

• sheiner1972
• sheiner1992

Frequently asked questions

Apa yang dimaksud dengan 'prior' dalam penentuan dosis Bayesian?

Ini adalah model farmakokinetik populasi, yang merangkum nilai parameter tipikal dan variabilitasnya sebelum pengukuran pasien individu dipertimbangkan.

Mengapa peramalan Bayesian dapat bekerja hanya dengan beberapa sampel?

Karena ia meminjam kekuatan dari prior populasi, metode ini dapat menghasilkan estimasi individu yang dapat digunakan dari data yang jarang, dengan estimasi yang lebih bergantung pada pengukuran pasien sendiri seiring dengan bertambahnya data.