CRAN 任务视图:药代动力学数据分析

维护者Bill Denney
联系方式wdenney at humanpredictions.com
版本2022-12-05
URLhttps://CRAN.R-project.org/view=Pharmacokinetics
源代码https://github.com/cran-task-views/Pharmacokinetics/
贡献欢迎您对本任务视图提出建议和改进,您可以通过 GitHub 上的问题或拉取请求,或通过电子邮件联系维护者。有关更多详细信息,请参阅 贡献指南
引用Bill Denney (2022). CRAN 任务视图:药代动力学数据分析。版本 2022-12-05。URL https://CRAN.R-project.org/view=Pharmacokinetics.
安装可以使用 ctv 包自动安装本任务视图中的包。例如,ctv::install.views("Pharmacokinetics", coreOnly = TRUE) 安装所有核心包,或 ctv::update.views("Pharmacokinetics") 安装所有尚未安装和更新的包。有关更多详细信息,请参阅 CRAN 任务视图计划

药代动力学 (PK) 数据分析旨在确定给药方案与药物在体内的暴露量之间的关系,该暴露量由浓度时间曲线表示,以确定剂量。为了分析 PK 数据,CRAN 中有三种类型的包:非室模型分析 (NCA)、建模(通常使用室模型)和报告(通常用于 NCA)。

药代动力学数据通常在新的药物临床试验中收集。有关临床试验 R 包的更多信息,请参阅 ClinicalTrials

呼吁共同维护者

CRAN 任务视图希望所有任务视图都拥有来自不同背景的多个维护者。如果您有兴趣成为本任务视图的共同维护者,请联系当前维护者(列在本任务视图的顶部)。

非室模型分析 (NCA)

NCA 作为一种描述 PK 的方法,对药物在体内的分布速率假设最少。NCA 通常用于描述临床研究中药物的 PK,这些研究在相同和连续的天数内对每个受试者进行多次采样。

NCA 包包括:

ncappc: 使用 NCA 指标执行传统 NCA 和基于模拟的后验预测检查,用于群体 PK 模型。它旨在总结来自模型拟合或模拟来源的数据。

NonCompart: 提供 NCA 的基本计算功能。

PK: 允许使用非室模型理论估计药代动力学参数。实现了完整采样和稀疏采样设计。该包提供了与优越性和等效性相关的假设检验和置信区间的方法。

PKNCA: 计算标准 NCA 参数并对其进行汇总,目的是接收观察到的临床数据并提供准备用于研究报告和监管提交的摘要。

qpNCA: qPharmetra 的非室模型药代动力学分析

工作流程工具

本节中的工具将分析的多个部分连接在一起,通常它们支持数据导入、审查、分析和报告的某些或所有部分。

ruminate: ruminate 是一款药理动力学数据转换和分析工具。药理动力学数据的探索涉及通用工具(转换和绘图)和特定技术(非室模型分析)。这种探索通常通过利用不同的包来完成。‘ruminate’ 的目的是创建一个 ‘shiny’ 接口,使这些工具更广泛地可用,同时创建可重复的结果。

药理动力学建模

PK 数据的建模通常使用室模型方法,该方法假设药物通过静脉 (IV) 或血管外 (通常是口服或皮下,SC) 剂量进入体内。下面列出的包仅限于对 PK 建模有特定兴趣的包,而不是 (许多) 支持可用于 PK 数据的建模的包。PK 建模和模拟包包括:

bayesnec: 贝叶斯无效应浓度 (NEC) 算法

clinPK: 计算临床药代动力学和临床药理学中常用的方程,例如剂量个体化、室模型药代动力学、药物暴露、人体形态学计算、临床化学和常见临床参数转换的方程。在可能且相关的情况下,它在相应的 R 函数中提供了多个已发表的和同行评审的方程。

clinDR: 贝叶斯和机器学习 Emax 模型拟合、图形和模拟,用于临床剂量反应。

clustDRM: 用于识别剂量反应曲线模式的函数。然后根据识别的模式拟合一组合适的模型,然后进行模型平均以估计有效剂量。

dr4pl: 使用 4 参数逻辑 (4pl) 模型进行剂量反应数据分析

linpk: 从线性 PK 系统生成浓度-时间曲线

mrgsolve: 促进从分层、基于常微分方程 (ODE) 的模型进行模拟,这些模型通常用于药物开发。

pharmr: 与 pharmpy 库接口,用于药效学建模。

PKPDsim: 模拟由微分方程 (DE) 系统描述的药代动力学-药效学 (PK-PD) 模型的剂量方案。此外,还支持使用 ADVAN 样式的解析方程进行模拟。

pmxcode: 提供用户界面来创建或修改用于各种建模和模拟软件平台的药效学模型。

rxode2: 用于从药物开发分层常微分方程 (ODE) 进行模拟的方法。这是 nlmixr2 包的基础,并取代了 RxODE 包。

nlmixr2: 人群 PK/PD 中的非线性混合效应模型(取代 nlmixr 包)

nmw: 是一个用于理解 NONMEM 算法的包。

PKconverter: 药代动力学模型的参数转换器

pkdata: 创建药代动力学/药效学 (PK/PD) 数据

pmxTools: 用于常见数据分析任务的药效学工具;基于隔室 PK 模型(1 室、2 室和 3 室,涵盖输注、零级和一级吸收以及滞后时间,单剂量和稳态,根据 Bertrand & Mentre (2008))计算给定时间后浓度的闭合形式解;从 NONMEM 生成的参数估计和其他输出进行参数模拟;以及解析、制表和绘制 Perl-speaks-NONMEM (PsN) 生成的结果。

scaRabee: 是一款针对药代动力学-药效学模型的优化工具包。它是 Scarabee 工具包的移植版本,最初作为基于 Matlab 的应用程序编写。scaRabee 为个体和群体水平的药代动力学-药效学模型的模拟和优化提供了一个框架。它建立在 neldermead 包的基础上,该包提供了 Nelder 和 Mead 提出的用于模型优化的直接搜索算法。

ubiquity: PKPD、PBPK 和系统药理学建模工具。它是一个完整的流程,用于分析药代动力学药效学 (PKPD)、基于生理的药代动力学 (PBPK) 和系统药理学模型,包括:创建基于常微分方程的模型、合并参数估计、基于个体/群体的模拟、基于规则的临床试验设计和建模分析模拟、使用可定制的“Shiny”应用程序部署以及非室模型分析。可以生成特定于系统的分析模板,每个元素都包含与“PowerPoint”和“Word”的集成报告。

UnifiedDoseFinding: 非二元结果的剂量寻找方法

wnl: 药代动力学-药效学数据分析的最小化工具

NONMEM 建模支持

NONMEM 包通常用于药理学建模。有几个包专门用于支持与 NONMEM 相关的建模。与 NONMEM 一起使用但也可以与其他建模软件一起使用的包在上面的通用建模部分中进行了描述。

nonmem2R: 加载 NONMEM 和 PSN(Perl-speaks-NONMEM,https://uupharmacometrics.github.io/PsN/)输出文件以提取参数估计值,提供视觉预测检查 (VPC) 和拟合优度 (GOF) 图,并使用参数不确定性进行模拟。

nonmem2rx: “NONMEM” 自 80 年代以来一直是运行非线性混合效应模型的工具,并且至今仍在使用(Bauer 2019 doi:10.1002/psp4.12404)。此工具“允许您将“NONMEM”模型转换为“rxode2”(Wang、Hallow 和 James ‘(2016) doi:10.1002/psp4.12052),并使用简单的模型“nlmixr2”语法“(Fidler 等人 (2019) doi:10.1002/psp4.12445)。“nlmixr2”语法需要“包含残差规范,并且并不总是被翻译。如果“可用,“rxode2”模型将读取“NONMEM”数据,并将“群体模型的模拟(“PRED”)个体模型(“IPRED”)和“残差模型(“IWRES”)进行比较,以立即显示翻译的执行情况。这为手动创建“rxode2”模型的人节省了模型开发时间。此外,此包读取所有“信息以允许使用不确定性进行模拟(即观察次数,“受试者数量和协方差矩阵)以及“rxode2”模型。这与“babelmixr2”包互补,该包“将“nlmixr2”模型翻译为“NONMEM”,并且可以将从“nonmem2rx”转换的对象转换为完整的“nlmixr2”拟合。

nonmemica: 系统地创建和修改 NONMEM(R) 控制流。 收集 NONMEM 输出,构建运行日志,创建衍生数据,生成诊断信息。

可视化

xgxr: 支持探索 PKPD 数据的结构化方法。 它还包含辅助函数,使建模者能够遵循最佳 R 实践(通过将程序名称、图形名称位置和草稿状态附加到每个绘图)。 此外,它使建模者能够遵循最佳图形实践(通过提供减少图表墨迹的主题,以及提供时间刻度、对数刻度和反向对数变换刻度函数以获得更易读的轴)。 最后,它提供了一些数据检查和汇总函数,用于快速探索药代动力学和药效学 (PKPD) 数据集。

xpose4: 使用 NONMEM 进行非线性混合效应(总体)模型分析的模型构建辅助工具,便于数据集检查、探索和可视化、模型诊断、候选协变量识别和模型比较。

视觉预测检查 (VPC)

nlmeVPC: 用于非线性混合效应模型的各种视觉和数值诊断方法,包括视觉预测检查、数值预测检查和覆盖图。

tidyvpc: 执行视觉预测检查 (VPC),同时考虑分层、删失和预测校正。 使用来自 ‘magrittr’ 的管道,直观的语法为用户提供了一种灵活且强大的方法,可以使用传统的 binning 和新的无 bin 方法 Jamsen 等人 (2018) doi:10.1002/psp4.12319 使用加性分位数回归 (AQR) 和局部估计散点图平滑 (LOESS) 预测校正生成 VPC。

vpc: 视觉预测检查是药理动力学中常用的诊断图,显示观察数据的某些统计量(百分位数)与从模型模拟的相同统计量之间的比较。 该包可以为连续、分类、删失和(重复)时间到事件数据生成 VPC。

药代动力学报告

结果的沟通与实际完成分析一样重要(甚至更重要)。 虽然许多用户目前正在使用 rmarkdown 和 knitr 进行一般报告,但对报告 PK 数据很重要的包的功能是

ncar: 提供 NCA,用于生成 rtf 和 pdf 输出的报表编写器。

pkr: 生成符合 CDISC 标准的 NCA 数据集,以及供审阅者使用的其他药代动力学功能。

pmxpartab: 创建药理动力学 (PMx) 分析的参数表。生成格式良好的 HTML 表格,以显示药理动力学模型的估计结果。

xpose: 用于来自 'NONMEM' 的非线性混合效应(总体)模型的诊断。'xpose' 便于数据导入,创建数值运行摘要,并提供基于 'ggplot2' 的图形,用于数据探索和模型诊断。

xpose.nlmixr2: 药理动力学模型的图形诊断:扩展到 'nlmixr2'(取代 xpose.nlmixr 包)

nlmixr2rpt: 提供 nlmixr2 模型的自动报告,以 Word 文档和 PowerPoint 文档的形式。

数据集或单个模型

专注于单个药代动力学模型或数据集的包包括

caffsim: 使用 Lee、Kim、Perera、McLachlan 和 Bae (2015) 描述的总体药代动力学模型模拟血浆咖啡因浓度

研究设计

与 PK 研究设计相关的包包括

BE: 使用工业强度分析生物等效性研究数据。可以为各种交叉设计确定样本量,例如 2x2 设计、2x4 设计、4x4 设计、Balaam 设计、双序列双设计和 William 设计。

microsamplingDesign: 使用通用模拟方法找到用于非室室药代动力学分析的最佳微采样设计。该方法包括 (1) 指定药代动力学模型,包括动物之间的变异性;(2) 生成可能的采样时间;(3) 评估每个时间点选择对模拟数据的性能;(4) 在给定时间点选择和附加约束的情况下生成可能的方案,最后 (5) 评估方案对模拟数据的性能。默认设置与 Barnett 等人的文章不同,在使用的默认药代动力学模型和动物之间变异性的参数化方面。

PopED: PopED 基于非线性混合效应模型计算总体研究和个体研究的最佳实验设计。

posologyr: 使用总体药代动力学进行个体剂量优化确定个体药代动力学(和药代动力学-药效动力学)特征,并使用它们个性化药物方案。您提供数据和总体药代动力学模型,'posologyr' 提供个体后验估计,并允许您确定最佳剂量。

CRAN 包

核心.
常规bayesnec, BE, caffsim, clinDR, clinPK, clustDRM, dr4pl, linpk, microsamplingDesign, mrgsolve, ncappc, ncar, nlmeVPC, nlmixr2, nlmixr2rpt, nmw, NonCompart, nonmem2R, nonmem2rx, nonmemica, pharmr, PK, PKconverter, pkdata, PKNCA, PKPDsim, pkr, pmxcode, pmxpartab, pmxTools, PopED, posologyr, qpNCA, ruminate, rxode2, scaRabee, tidyvpc, ubiquity, UnifiedDoseFinding, vpc, wnl, xgxr, xpose, xpose.nlmixr2, xpose4.

相关链接

其他资源