##plugins.themes.bootstrap3.article.main##

Johnatan Cardona Víctor Ignacio López Juan Carlos Correa

Resumen

En farmacologíia, particularmente en el campo farmacocinético, el interés fundamental es estudiar la concentración de un medicamento en plasma. En esta área usualmente se tienen modelos de tipo no lineal dadas las características particulares de administración del medicamento. Desde el enfoque bayesiano, el objetivo de construir diseños óptimos sujetos a una funcióon de utilidad es maximizar la utilidad esperada asociada  a algún funcional de interés para el investigador. En este trabajo se realiza una caracterización de los diseños  óptimos obtenidos a través de dos funciones de utilidad asociadas a un criterio de optimalidad bayesiano  (D-optimalidad bayesiano), para estimar en forma óptima los parámetros de dos modelos no lineales: 1) modelo monocompartimental con tasa de absorción y eliminación, 2)  modelo bicompartimental con tasas de eliminación  y absorción reversibles para el segundo compartimiento, ambos modelos bajo el supuesto de normalidad en los errores. Dicha caracterización se realizó vía simulación y con el fin de maximizar la función de utilidad se recurrió a la  evolución diferencial.

##plugins.themes.bootstrap3.article.details##

Palabras Clave

diseños bayesianos, evolución diferencial, farmacocinética, funciones de utilidad, modelos no lineales.

Referencias
Berger, J. (1985), Statistical Decision Theory and Bayesian Analysis, Springer, New York.

Bernardo, J. (1979), ‘Expected information as expected utility’, The Annals of Statistics 7(3), 686–690.

Beyer, H. G. & Schwefel, H. P. (2002), ‘Evolution strategies a comprehensive introduction’, Natural Computing pp. 3–52.

Chaloner, K. & Verdinelli, I. (1995), ‘Bayesian experimental design: A review’, Statistical Science10, 379–423.

Davis, J. L., Papich, M. G., Morton, J. & Gayle, A. T. (2007), ‘Pharmacokinetics of etodolac in the horse following oral and intravenous administration’, vet. Pharmacol 30, 43–48.

Farmacología(2006), Argentina. *http://med.unne.edu.ar/catedras/farmacologia/temasfarma/volumen1/cap2-farmacocinet.pdf
Gabrielsson, J. & Weiner, D. (2000), Pharmacokinetic and Pharmacodynamic DataAnalysis, Swedish Pharmaceutical Press.

Gill, J. (2000), Bayesian Methods, Chapman and Hall.

Jamshidian, M. & Schott, J. R. (2007), ‘Testing equality of covariance matrices when data are incomplete’, Computational Statistics and Data Analysispp. 4227–4239.

Lindley, D. (1972), Bayesian Statistic - A review, SIAM.

López-Ríos, V. I. & Ramos-Quiroga, R. (2007), ‘Introducción a los diseños ́óptimos’, Revista Colombiana de Estadística30(1), 37–51.

Merlé, Y. & Merlé, F. (1997), ‘Stochastic optimization algorithms of a bayesian design criterion for bayesian parameter estimation of nonlinear regression models: Application in pharmacokinetics’,Mathematical Biosciences144, 45–77.

R (2010),R-project, Vienna, Austria.*http://www.R-project.org

Shannon, C. (1948), ‘A mathematical theory of communication’, Bell System Technical Journal27(3), 379–423.

Spezzaferri, F. (1989), ‘Nonsequential designs for model discrimination and para-meter estimation’,Bayesian Statistics3, 777–783.

Storn, R. & Price, K. (1997), ‘Differential evolution: A simple and efficient heuristicfor global optimization over continuous spaces’, Journal of Global Optimization11, 341–359
Cómo citar
Cardona, J., López, V. I., & Correa, J. C. (2012). Diseños óptimos bayesianos para estimación de parámetros en farmacocinética. Comunicaciones En Estadística, 5(1), 97-112. https://doi.org/10.15332/s2027-3355.2012.0001.05
Sección
Artículos