Визуальная проверка предсказаний с поправкой на прогноз для диагностики нелинейных моделей со смешанными эффектами

Содержательные диагностические инструменты необходимы для разработки полезных моделей со смешанными эффектами. Визуальная проверка предсказаний (VPC) — распространённый метод оценки качества популяционных фармакокинетических и фармакокинетико-фармакодинамических моделей. В идеале VPC должна выявлять проблемы как в моделях фиксированных, так и в моделях случайных эффектов. Во многих случаях этого можно достичь, сопоставляя различные процентили наблюдаемых данных с процентилями смоделированных данных, обычно сгруппированных по интервалам независимой переменной. Однако диагностическая ценность VPC может снижаться при группировке данных в условиях значительной вариабельности дозы и/или влияющих ковариат. VPC также может давать вводящие в заблуждение результаты при анализе данных, полученных в рамках адаптивных дизайнов, например при коррекции дозы. Визуальная проверка предсказаний с поправкой на прогноз (pcVPC) позволяет решить эти проблемы, сохраняя наглядность традиционной VPC. При выполнении pcVPC вариабельность, обусловленная группировкой по независимым переменным, устраняется посредством нормирования наблюдаемых и смоделированных значений зависимой переменной относительно типичного популяционного прогноза для медианного значения независимой переменной в соответствующем интервале. Основное преимущество pcVPC оценивали на смоделированных и реальных примерах фармакокинетических и фармакокинетико-фармакодинамических моделей. Эти примеры показали, что pcVPC лучше выявляет некорректную спецификацию модели, особенно моделей случайных эффектов, в различных ситуациях. В отличие от традиционной VPC, pcVPC можно непосредственно применять к данным исследований с априорной и/или апостериорной адаптацией дозы.