统计矩原理在药动学中的应用.PPTVIP

静脉滴注 平均稳态血药浓度和达稳态时间的预测 第三节 矩量法研究体内过程 一 、释放动力学 固体剂型 制剂中 的药物 崩解 溶出 药物溶于胃肠液 吸收 体内 消除 平均滞留时间 （MRT , mean residence time ） 平均崩解时间 （MDIT ,mean disintegration time ） 平均溶出时间 （MDT, mean dissolution time ） 平均吸收时间 （MAT, mean absorption time ） 第十二章 统计矩原理在药动学中的应用 本章要求 掌握零阶矩、一阶矩的定义。 熟悉用矩量法估算药动学参数的方法。 熟悉矩量法研究体内过程中MRT、MAT、MDT、MDIT的含义及MRT、MAT的估算方法。 统计矩理论（statistical moment theory)研究药动学属于一种非隔室的分析方法，它不需要对药物设定专门的隔室，只要药物的体内过程符合线性动力学过程。 统计矩属于概率统计范畴，系以矩来表示随机变量的某种分布特征。 第一节 统计矩的基本概念 一、统计矩概念 随机变量 是概率论的重要概念，随机变量是指在试验或观察的的结果中能取得不同数值的量，它的取值随偶然因素而变化，但又遵从一定的统计学规律。 随机变量又可分为离散型和连续型。离散型随机变量仅可取得有限个或无限可数多个数值；连续型随机变量可取得某一区间内任何数值。 连续随机变量的数学期望 设连续随机变量ξ??的概率密度为 ????????????，且广义积分 ?收敛，则ξ??的数学期望定义为 ?????????????? ????????????????????? 方差的概念：通常我们用随机变量ξ离差的平方的数学期望来描述随机变量ξ的分布的分散程度，并把其称为ξ的方差，记作Dξ: Dξ= E(ξ-Eξ)2 矩是随机变量的最广泛的数字特征,在概率论与数理统计中占有重要地位,最常用的有所谓原点矩与中心矩. 数学期望与方差是随机变量的最常用的数字特征,但它们形式上又都属于随机变量的某阶矩. 随机变量ξ?的k次幂的数学期望称为ξ?的k阶原点矩，记为? k ? 原点矩的定义 当k=1， ? 1为一阶原点矩，常称为数学期望，记为?，即 中心矩的定义 随机变量ξ的离差的k次幂(ξ-Eξ)k的数学期望称为ξ的k阶中心矩，记为 ?k ， 即?k =E(ξ-Eξ)k. 当k=2，?2为二阶中心矩，常称为方差，记为 药时曲线的统计矩含义 当一定量药物输入机体时，不论是在给药部位或在整个机体内，各个药物分子的滞留时间的长短，均属随机变量。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，因而药时曲线是某种概率统计曲线，可用药物分子滞留时间的频率或概率加以描述，继而用统计矩加以分析。 给予某一药物一个剂量后的血药浓度（C）时间曲线可看作药物在体内的滞留时间的概率分布曲线。横轴（x）代表滞留时间，纵轴（y）代表它的概率。 血药浓度-时间曲线下的面积AUC为 设函数 （0≤t＜+∞） 则有： 一阶原点矩（数学期望）： 二阶中心矩（方差）： μ表示药物在体内的平均滞留时间（mean residence time ，MRT）， σ2表示药物在体内滞留时间的变异程度，即平均滞留时间的方差（variance of the mean residence time, VRT），故有： 二、矩量的计算 为简便起见，将给予某一药物一个剂量后的血药浓度（C）时间（t)曲线可看作药物在体内的滞留时间的概率分布曲线。横轴（x）代表滞留时间，纵轴（y）代表它的概率。 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），即有： 零阶矩(S0)— C-t曲线下面积 一阶矩(S1)— tC-t曲线下面积 从实验中得到的药时曲线各点的数据，用梯形面积法求的曲线下面积，可估算矩量。 Cn 即为tn时间的血药浓度，即实验中测定最后时间的血药浓度； λ为曲线末端拟合为单指数衰减方程中的消除速度常数； 静脉注射后，在C-t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6