機構モデル: 数値問題解決アルゴリズムにおけるコンパートメントモデル

メカニズム モデルは、数値問題解決アルゴリズムを使用してパラメーターを評価します。

一部のアルゴリズムでは、線形化手法を使用してモデルを線形方程式に簡略化します。

個々の母集団分析では、コーシー法、ニュートンベースの方法、ガウス・ニュートン法など、さまざまな方法が利用されます。

Levenberg–Marquardt 法は、Gauss–Newton アルゴリズムを変更します。

Nelder–Mead シンプレックス アプローチでは、線形化は行われませんが、応答曲面を探索して最低点を見つけます。

母集団コンパートメント分析では、1次またはFO、1次条件付き推定またはFOCE、期待値最大化の確率的近似、最尤期待値最大化法などのアルゴリズムを使用します。

NONMEM の FO アルゴリズムと FOCE アルゴリズムは、1 次テイラー級数展開を使用してモデルを線形化します。

FOは母平均と分散ポストホックを使用して個人間変動を推定しますが、FOCEはこれらのパラメータと同時に推定します。

ラプラシアン FOCE 法では、1 次展開の代わりに 2 次テイラー級数を使用します。

MLEM アルゴリズムは、線形化手法に依存せずに、反復ステップを通じて尤度関数を最大化します。