对数正态分布的累积曲线.PPT

张娜 zhangnancy9@sdu.edu.cn 教学3楼3106实验室 第一节 统计矩的基本概念 统计矩原理（statistical moment theory）源于概率统计理论 单个药物分子通过体内隔室的运行是由概率支配的 而血浆中药物浓度的经时过程可视作统计分布曲线, 故药物在体内的滞留时间可以认为是带有均值与方差的频率分布 因此可用统计矩来分析 第一节 统计矩的基本概念 第一节 统计矩的基本概念 从目前发展的趋势来看，以统计矩理论为基础的非房室模型分析方法，是一种很有用的工具。 事实上，如果我们认定是线性药物动力学特征的话，该法可适用于任何隔室模型。 该非房室模型分析方法已用于估算药物制剂的生物利用度、体内总清除率、生物半衰期、表观分布容积、平均稳态血药浓度、消除速度常数和吸收速度常数等药物动力学参数。 第一节 统计矩的基本概念 经典药物动力学研究，是以隔室模型理论为基础的分析方法。 但该法计算药物动力学参数较为复杂，且模型的确定受实验设计和药物浓度测定方法的影响。 因此，统计矩方法应用越来越广泛，已经成为最普遍适用的药物动力学数据分析方法。 第一节 统计矩的基本概念 1969年W. Perl 和 P. Samuel将统计矩理论用于胆固醇在生物体内药物动力学分析； 1975年科学家们将统计矩理论用于碘甲状腺素在人体内的分布和代谢动力学研究； 1978年Yamaoka及Cutler同时报道了统计矩应用于药物动力学研究； 1980年Riegelman将统计矩理论用于药物的吸收动力学研究 1982年Gibaldi和Perrier首次在专著中系统介绍了统计矩理论在药物动力学中的应用 第一节 统计矩的基本概念 当一定量的药物输入机体时，不论是在给药部位还是在整个机体内，各药物分子的滞留时间的长短均属于随机变量。 药物的吸收、分布及消除可视为这种随机变量所相应的总体效应，因此，药-时曲线是某种概率统计曲线。 亦即药-时曲线可看作是药物分子在体内滞留时间概率统分布曲线。 第一节 统计矩的基本概念 应用药物动力学研究的统计矩分析，是一种非隔室的分析方法，它不需要对药物设定专门的隔室，也不必考虑药物的体内隔室模型特征。 目前这种分析方法主要适用于体内过程符合线性动力学的药物。 第一节 统计矩的基本概念 概率统计中关于“矩” 的概念由力学中移植而来， 用“矩”来表示随机变量的某种分布特征。 常用的“矩”有两种： 原点矩（ K阶原点矩、一阶原点矩） 中心矩（ K阶中心矩、二阶中心矩） K阶原点矩 设随机变量t的概率密度函数为f（t）( -∞＜t +∞) ，则积分μk称为t的k阶矩原点矩（k＝1，2，3等） k阶矩原点矩μk是指tk的理论平均值。 若t为连续型变量，概率密度函数为f（t），则原点矩为： 一阶原点矩 (一) 零阶矩 (一) 零阶矩 时间零时到t*时的药时曲线下面积可由梯形法计算，则 设在时间t，血药浓度为C，则血药浓度－时间曲线下的总面积为AUC 0→∞ 。 既然AUC为某种概率统计曲线，则其概率密度函数为 （二）一阶矩 因为随机变量药物在体内的平均滞留时间的概率密度函数为： （二）一阶矩 为了方便起见，常将血药浓度-时间曲线下面积（AUC）定义为零阶矩（S0），而将时间与血药浓度的乘积-时间曲线下面积（AUMC）定义为一阶矩（S1）： （二）一阶矩 （二）一阶矩 （三）二阶矩 K阶中心矩 随机变量x的离差的K次幂的数学期望叫做随机变量x的k阶中心矩， 记为νk（k＝1，2，3等） 随机变量x的k阶中心矩是指（x-μ）k的理论平均值。若x为连续型变量，概率密度函数为f（x），则 ： （四）二阶中心矩 （三）二阶矩 注意： 为了确保AUC、MRT 、VRT计算的准确性，均需应用药-时曲线末端消除相，拟合单指数函数求得的λ值。 若λ的估计误差较大，则1/λ的误差通常会更大。因此控制λ值的误差至关重要。 一般要求从处在消除相的C→t数据，3对以上，用最小二乘法拟合单指数函数来求λ值。 注意： 另一方面，实验所测得的Cn值对计算的准确性影响亦很大。 一般当曲线下面积能够测量到最大血药浓度下降到5%的范围时， AUC和MRT的实际误差将分别小于5%和10%； 当曲线下面积测量到最大血药浓度下降到1%的范围时，则AUC和MRT的实际误差将分别小于1%和2%。 第二节 用矩量估算药物动力学参数 生物半衰期 清除率 表观分布容积 一、生物半衰期 静脉注射给药，在血药浓度-时间曲线呈现单指数项方程特征情况下，MRT表示消除给药剂量的63.2%所需的时间，