Modelos mecanicistas: modelos compartimentales en algoritmos para la resolución numérica de problemas

Los modelos mecanicistas utilizan algoritmos numéricos de resolución de problemas para evaluar parámetros.

Algunos algoritmos utilizan técnicas de linealización para simplificar el modelo en ecuaciones lineales.

Se utilizan varios métodos en los análisis de poblaciones individuales, incluido el método de Cauchy, los métodos basados en Newton y el método de Gauss-Newton.

El método de Levenberg-Marquardt modifica el algoritmo de Gauss-Newton.

El enfoque simplex de Nelder-Mead no implica linealización, sino que explora la superficie de respuesta para encontrar el punto más bajo.

Los análisis compartimentarios de la población emplean algoritmos como los métodos de primer orden o FO, la estimación condicional de primer orden o FOCE, la aproximación estocástica de la maximización de expectativas y los métodos de maximización de expectativas de máxima verosimilitud.

Los algoritmos FO y FOCE en NONMEM linealizan el modelo utilizando expansiones de series de Taylor de primer orden.

FO estima la variabilidad interindividual utilizando la media poblacional y la varianza post hoc, mientras que FOCE la estima concurrentemente con estos parámetros.

El método FOCE laplaciano utiliza una serie de Taylor de segundo orden en lugar de la expansión de primer orden.

El algoritmo MLEM maximiza una función de probabilidad a través de pasos iterativos sin depender de técnicas de linealización.