Upload
malo
View
49
Download
0
Embed Size (px)
DESCRIPTION
Metody statystyczne w badaniach nad lekiem. badanie biorównoważności farmakokinetyka populacyjna farmakokinetyka niezależna od modelu. Wojciech Jawień [email protected] farmacja.cm-uj.krakow.pl / dyd / doc. Biorównoważność. - PowerPoint PPT Presentation
Citation preview
Metody statystyczne w badaniach nad lekiem
badanie biorównoważnościfarmakokinetyka populacyjnafarmakokinetyka niezależna od modelu
Wojciech Jawień
farmacja.cm-uj.krakow.pl/dyd/doc
Biorównoważność
Udowodnienie równoważności biologicznej leku innowacyjnego i leku generycznego pozwala radykalnie uprościć procedurę rejestracyjną tego ostatniego.
W rozumieniu organizacji takich, jak FDA czy EMEA, biorównoważność oznacza równość dostępności biologicznej.
Dostępność biologiczna
0 5 10 15 20 25 300
0.5
1
1.5
2
2.5
t [h]
C [
mg/
l]
Cmax
tmax
AUCAUC
Dowodzenie biorównoważności
Farmakokinetyka populacyjna
Modele farmakokinetyczne
Modeli farmakokinetycznych poszukuje się w celu znalezienia matematycznego opisu losów leku w organizmie.
Pomimo, że opis ten bywa bardzo uproszczony, pozwala skutecznie dobierać dawkowanie, które zapewni utrzymanie stężeń leku w granicach terapeutycznych.
Jednokompartmentowy model farmakokinetyczny
Vd [l] – objętość dystrybucji
Cl [l/h] – klirens
D
Vd
C(t)
Jednokmpartmentowy model farmakokinetyczny
tV
Cl
d
deVD
tC
)(
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
Metody estymacji:metoda największej wiarygodności
Funkcja wiarygodności (ang. likelihood) określa prawdopodobieństwo uzyskania otrzymanych wyników pomiarów w zależności od parametrów modelu.
MNW uczy, że jako estymaty szukanych parametrów należy przyjąć takie ich wartości przy których funkcja wiarygodności L osiąga maksimum.
diid VClCtVClL ,,Pr),(
Metoda największej wiarygodności
Dla praktycznego zastosowania MNW, oprócz modelu farmakokinetycznego, potrzebne są również pewne założenia o rozkładzie prawdopodobieństwa błędu.
Zbiór tych założeń nazwiemy (niezbyt ściśle) modelem farmakostatystycznym.
Model farmakostatystyczny
nitCC iii ,,2,1,
,0~ Ni
ii tCCVN ,0~ ii N ,0~
Wyznaczanie indywidualnych parametrów - MNK
Przy powyższych założeniach MNW staje się równoważna jednemu z wariantów tzw. metody najmniejszych kwadratów: Nieliniowa metoda najmniejszych kwadratów (zwykła
– OLS = ordinary least squares) Ważona metoda najmniejszych kwadratów (WLS) Rozszerzona metoda najmniejszych kwadratów (ELS)
Zwykła MNK
Najlepsze oszacowania (estymaty) parametrów modelu otrzymujemy wybierając je tak, aby suma kwadratów różnic wartości zmierzonych i przewidywanych osiągnęła minimum.
W naszym przykładzie:
n
iii CVdCltC
VdCl 1
2,;,
min
MNK: 0
9
k
Cmk
C tk 2
11.98mg
2
L2
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
n
iii CVdCltC
VdCl 1
2,;,
min
MNK: przykład
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
Cl 120mL
min Vd 7L
0
9
k
Cmk
C tk 2
38.346mg
2
L2
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
Cl 60mL
min Vd 2L
0
9
k
Cmk
C tk 2
1.982 103
mg2
L2
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
Cl 120mL
min Vd 9L
0
9
k
Cmk
C tk 2
7.455mg
2
L2
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
Cl 60mL
min Vd 25L
0
9
k
Cmk
C tk 2
53.71mg
2
L2
0 1 2 3 4 5 6 7 80
2
4
6
8
10
12
Cl 110mL
min Vd 11 L
0
9
k
Cmk
C tk 2
1.061mg
2
L2
Ważona MNK
W ważonej MNK w minimalizowanej funkcji celu uwzględnia się wagi pomiarów. Im mniejszy błąd (wariancja) pomiaru tym większa waga.
W naszym przykładzie:
n
i i
ii
VdCltC
CVdCltC
VdCl 12
2
,;
,;
,min
Populacyjny model farmakostatystyczny
a,b,c... – parametry efektów stałych , Vd, Cl – parametry efektów losowych
Vd bmaV
ClCr dClcCl
dVV N ,0~
ClCl N ,0~
Populacyjny model farmakostatystyczny
a,b,c... – parametry efektów stałych , Vd, Cl – parametry efektów losowych
jVjjd bmaV
jCljCrj dClcCl
dVjV N ,0~
CljCl N ,0~
Nj ,,2,1
Estymacja parametrów populacyj-nych i estymacja bayesowska
Wyznaczanie parametrów populacyjnych jest możliwe, nawet gdy każdy podmiot dostarcza niewielu oznaczeń (wystarczy jedno!).
Wraz z wyznaczeniem parametrów populacji możliwe jest również określenie parametrów indywidualnych – metody bayesowskie.
Estymacja parametrów populacyjnych
Modelowanie efektów mieszanych – MEM – program NONMEM (Sheiner & Beal, UCSF)
Symulacje Monte Carlo łańcuchów Markowa (MCMC)– program PKBugs (Spiegelhalter, ICSTM, UK)
Metody nieparametryczne (NPEM)– program USC*PACK (Schumitzky, d’Argenio, USC)
Farmakokinetykaniezależna od modelu
Farmakokinetyka niezależna od modelu – Yamaoka, Nakagawa, Uno
Prawdopodobieństwo trwałego usunięcia cząsteczki leku z krążenia w jednostce czasu jest proporcjonalne do aktualnego stężenia.
Zależność C(t) ma pewne cechy funkcji gęstości rozkładu prawdopodobieństwa czasu przebywania cząsteczki leku w organizmie.
Po normalizacji można ją wykorzystać do wyznaczenia np. wartości oczekiwanej i wariancji czasu przebywania.
Farmakokinetyka niezależna od modelu
00
1)(1
)( dttCAUC
dttCAUC
0
)(1
tdttCAUC
MRT
0
2))((1
dtMRTttCAUC
VRT
Bibliografia
Biorównoważność
D.J. Schuirmann. A comparison of the two one-sided tests procedure and the power approach for assessing the equivalence of average bioavailability. J. Pharmacokin. Biopharm. 15:657‑680 (1987).
S. Wellek. Testing statistical hypotheses of equivalence. Chapman&Hall/CRC, Boca Raton 2003.
Statistical Approaches to Establishing Bioequivalence CDER 2001 http://www.fda.gov/cder/guidance/3616fnl.htm
Biorównoważność (cd.)
Shein-Chung Chow, Jen-Pei Liu: Design and Analysis of Bioavailability and Bioequivalence Studies. Marcel Dekker, NY, 2000 (wyd. 2.)
Shein-Chung Chow, Jun Shao: Statistics in Drug Research. Metodologies and Recent Developments.Marcel Dekker, NY, 2002.
S.Janicki, M.Sznitowska, W.Zieliński: Dostępność farmaceutyczna i dostępność biologiczna leków. OIN Polfa, W-wa 2001.
Farmakokinetyka populacyjna
A.J. Boeckmann, L.B.Sheiner, S.L.Beal: NONMEM Users Guide. UCSF, San Francisco 1994.
W.R. Gilks, S. Richardson, D.J. Spiegelhalter: Markov Chain Monte Carlo in Practice. Chapman&Hall/CRC London 1996.
http://www.lapk.org/software.php (User Manual, chapter 18) Jawień W., Wandas M.: Praktyka modelowania farmakokinetyczno-
farmakodynamicznego. Część I. Aspekt statystyczny i obliczeniowy. Farm.Pol. 60:891-896(2004). Część II. Programy komputerowe. Farm.Pol. 60:939-945(2004).
Farmakokinetyka niezależna od modelu
Yamaoka K., Nakagawa T., Uno T.: Statistical moments in pharmacokinetics. J.Pharmacokin.Biopharm 6:547-558 (1978).
T.W. Hermann: Farmakokinetyka Teoria i Praktyka. PZWL, W-wa 2002.