Choix d’un modèle de base

Choix d’un modèle de base

Le modèle de base ne contient pas de covariables.
Le modèle de base recherche le modèle compartimental et les modèles d’erreur les plus appropriés c’est-à-dire permettant la plus faible fonction objective.
Il s’agit donc d’évaluer:

1- les différents modèles PK (1, 2 ou 3 compartiments), l’absorption d’ordre 0 ou 1, l’élimination d’ordre 1 ou type Michaelis Menten …

2- les différents modèles de variabilité inter-individuelle (additif, exponentiel), avec ou sans covariance entre plusieurs paramètres. Le plus souvent il s’agit en fait d’identifier les paramètres pour lesquels une erreur inter-individuelle de type exponentielle sera estimée. Il est peu fréquent qu’une erreur de type additive soit choisie pour un paramètre PK (sauf peut-être pour la constante d’absorption).

3- les différents modèles de variabilité résiduelle. Il peut être conseillé de commencer avec un modèle mixte et en fonction des résultats, choisir soit de le conserver, soit de passer à un modèle additif ou proportionnel. Une autre possibilité est de fixer la partie additive à la valeur de la limite de quantification analytique et de laisser estimer la partie proportionnelle.

Exemple de tests autour des variabilités inter-individuelles:
$PK
; Between Subject Variability sur tous les paramètres
CL = THETA(1) * EXP(1)
V1 = THETA(2) * EXP(2)
Q = THETA(3) * EXP(3)
V2 = THETA(4) * EXP(4)
puis tester différents combinaison
$PK
; Between Subject Variability sur 3 des 4 paramètres
CL = THETA(1) * EXP(1)
V1 = THETA(2) * EXP(2)
Q = THETA(3) * EXP(3)
V2 = THETA(4)
$PK
; Between Subject Variability sur 3 des 4 paramètres
CL = THETA(1) * EXP(1)
V1 = THETA(2) * EXP(2)
Q = THETA(3)
V2 = THETA(4) * EXP(3)
$PK
; Between Subject Variability sur 2 des 4 paramètres
CL = THETA(1) * EXP(1)
V1 = THETA(2) * EXP(2)
Q = THETA(3)
V2 = THETA(4)
…/…
On voit qu’il y a un grand nombre de possibilités et donc de tests avant d’identifier les conditions optimales.