Diseños óptimos bayesianos para estimación de parámetros en farmacocinética / Bayesian optimal designs for parameters estimation in pharmacokinetics

Abstract

En farmacología, particularmente en el campo farmacocinético, el interés fundamental es estudiar la concentración de un medicamento en plasma. En esta área usualmente se tiene 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 función de utilidad es maximizar la utilidad esperada asociada a algún funcional de interés para el investigador. En este trabajo se realizó 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) Modelos monocompartimental con tasa de absorción y eliminación, 2) Modelo bicompartimental con tasa de eliminación y absorción reversible para el segundo compartimiento, ambos modelos bajo el supuesto de normalidad en los errores. Dicha caracterización se realizó vía simulación y para maximizar la utilidad se recurrió a la evolución diferencial. / Abstract: In pharmacolgy, especially on the pharmacokinetics field, the main interest is the study of the plasma medicine concentration. This area uses non-linear models given by the particular administration of a medicine. The purpose of Bayesian approach is to construct optimal designs restricted to a utility function, to maximize the expected utility associated to some functional in which the investigator is interested. In this work we made a characterization of the optimal designs obtained from two utility functions associated to an optimal Bayesian criteria (Bayes D-optimality) to obtain optimal parameter estimates for two non-linear models: 1) one-compartment model with absorption and elimination rate, 2) two-compartment model with absorption and elimination rates reversible for the second compartment, both models under normality assumption for errors. The cited characterization was done via simulation and using Differential Evolution to maximize the utility.