Modelos Mecanísticos: Modelos de Compartimento em Algoritmos para Resolução de Problemas Numéricos

Os modelos mecanísticos usam algoritmos numéricos de resolução de problemas para avaliar parâmetros.

Alguns algoritmos usam técnicas de linearização para simplificar o modelo em equações lineares.

Vários métodos são utilizados em análises populacionais individuais, incluindo o método de Cauchy, métodos baseados em Newton e o método de Gauss-Newton.

O método de Levenberg-Marquardt modifica o algoritmo de Gauss-Newton.

A abordagem simplex de Nelder-Mead não envolve linearização, mas explora a superfície de resposta para encontrar o ponto mais baixo.

As análises compartimentais populacionais empregam algoritmos como métodos de primeira ordem ou FO, estimativa condicional de primeira ordem ou FOCE, aproximação estocástica da maximização da expectativa e maximização da expectativa de máxima verossimilhança.

Os algoritmos FO e FOCE no NONMEM linearizam o modelo usando expansões da série de Taylor de primeira ordem.

O FO estima a variabilidade interindividual usando a média e a variância da população post hoc, enquanto o FOCE estima concomitantemente com esses parâmetros.

O método FOCE laplaciano usa uma série de Taylor de segunda ordem em vez da expansão de primeira ordem.

O algoritmo MLEM maximiza uma função de verossimilhança por meio de etapas iterativas sem depender de técnicas de linearização.