PK-PD结合模型在临床研究中的应用.ppt

主要内容,经典PK-PD结合模型 PK-PD模型的发展 PK-PD结合模型的应用,经典PK-PD结合模型,前言 概念 分类,药代动力学（Pharmacokinetics，PK） 着重阐明机体对药物的作用，即药物在体内的吸收、分布、代谢和排泄及其经时过程 药效动力学（Pharmacodynamics,PD） 描述药物对机体的作用，即效应随着时间和浓度而变化的动力学过程。 药动学和药效学是两个密切相关的动力学过程，两者之间存在着必然的内在联系。,效应指标的选择： 生物标记物、替代终点、临床终点 (1)具有可连续定量测定、 (2)效应指标变化对浓度相对敏感 (3)可重复性,药效学模型 1. 线性模型（linear model） 2.对数线性模型(lg-linear model) 3. Emax模型(Emax model) 4.S形Emax模型（sigmoid Emax model）,PK-PD模型的理论基础,PK-PD结合模型 一房室 PK-PD 模型,二房室 PK-PD 模型,PK-PD模型的发展,直接连接和间接连接 PK-PD模型 直接效应和间接效应 PK-PD模型 软连接和硬连接 PK-PD模型 时间非依赖性和时间依赖性PK-PD模型 神经网络基础上的PK-PD模型,PK-PD模型的发展,近年来 PK-PD 模型研究取得了长足的进步 , 在传统的效应室 PK - PD 模型基础上 ,相继出现了 一些新的 PK -PD 模型 ,如基于药物作用机制的直 接效应和间接效应的 PK- PD 模型、 基于 PK和 PD的不同连接方式的直接连接和间接连接 PK - PD 模型等。根据 PK和 PD 联结方式的不同属性 可将PK - PD模型分为 4 种类型,直接连接和间接连接 PK-PD模型 直接连接是指血药浓度与作用部位药物浓度迅速达到平衡, 血药浓度可直接作为效应的输入函数。间接连接作用部位的药物浓度变化常常滞后于血药浓度变化从而导致药物的效应变化也滞后于血药浓度变化。,直接效应和间接效应 PK-PD模型 依据药物所产生的效应与其在作用部位的药物浓度之间的相关性来区分的。药物到达作用部位后既可立即产生效应 ,没有时间上的滞后。直接连接模型和间接连接模型均可被认为是直接效应模型 ,因为药物的效应与其作用部位的药物浓度是直接相关的 ,对于这种类型的药物可以采用直接连接或间接连接方式建立相应的 PK PD 模型,间接效应 PK-PD结合模型 Emax模型和Sigmoid Emax模型认为药效与浓度之间是直接关联的，存在假想效应室，药物进入效应室的速率和从效应室消除的速率决定了药物起效的速率。然而，许多药物的药理研究证明情况并非如此，药效与浓度间的关系不是直接相连的关系，是存在间接作用机制。,如抗凝血药华法林通过抑制内源性物质维生素K的合成达到抗凝作用，而维生素K本身促进凝血酶原等凝血因子的活化，起到生理性的促凝作用，因此从华法林浓度与抗凝之间的关系是通过影响维生素K含量从而影响凝血酶原活性有关。药物到达作用部位也不能立刻产生效应 ,药物的效应存在明显的滞后。这种滞后并非由于药物从血浆向作用部位的转运过程所导致的 ,而是由于药物的作用机制本身所导致的。,Jusko 提出了间接效应模型 这是一种基于药物作用机制而建立的 PK-PD 模型，因而更具有实际意义，其应用日益广泛。,如抗凝药华法林，解热镇痛药萘普生，降糖药胰岛素，抗贫血药重组人红细胞生成素的 PK-PD模型分析。,间接药效学模型一共有四个模型,对应的四个方程 Cp可用经典的药代动力学方程来描述药物的输入和分布特征。因此Cp是联结PK和PD的桥梁,软连接和硬连接 PK-PD模型 根据建立 PK-PD 模型时所采用的数据信息来区分的,软连接是指借助于浓度和效应数据将 PK和 PD 联系起来 ,效应室模型就是软连接的典型代表;而硬连接则是借助于药动学数据和体外药效数据将 PK和 PD 联系起来 ,因此硬连接模型是一种基于药物作用机制的模型 ,可用于预测新化合物的体内活性。,时间非依赖性和时间依赖性模型 。 时间非依赖性是指药物的效应只取决于作用部位的药物浓度 ,药效学参数不随时间而变化 ,大部分药物属于这种类型 ,对于这类药物可以运用时间非依赖性模型 PK-PD 模型。 在作用部位的药物浓度相同的情况下 ,不同时间所产生的效应是不同的 ,这类药物常常具有增敏或耐受现象 ,抗生素的药效学研究常常会遇到此种情形 ,此时应运用时间依赖性模型,神经网络在PK-PD模型中的运用 神经网络(neural network, NN)是根据生物神经系统对外界系统的认知过程用可模拟生物神经元的某些基本功能元件按一定拓扑结构组织起来的一种信息处理系统，具有并行性、非线性、自学习和自组织特征 。神经网络不需要模型假设就能直接从提供的数据中建立输入与输出的关系因此，神经网络作为PK-PD模型分析的有益补充，特别适用于作用机制尚不明确的、且具有多组分和多靶点特征中药PK-PD研究 。,神经网络可以模拟多种类型结构的PK-PD模型。由于建立神经网络不需要详细结构信息，因此相对于传统的PK-PD模型来说，具有较明显的优越性，可以认为是一种非参数建模方法,Haidar等应用神经网络建立了瑞格列奈降糖作用的群体PK-PD模型，输入层包括人口统计因素(性别、年龄、种族和体重)、剂量与治疗时间等，输出层分别为瑞格列奈和葡萄糖的AUC值。计算结果提示，性别、体重和剂量是影响瑞格列奈药动学和药效学的共有协变量。类似的例子还包括红细胞生成素在慢性肾衰患者体内的群体PK-PD研究20、尼群地平速释片血药浓度与降压效应的关系评价等,PK-PD模型的临床应用,优化用药方案 指导抗生素类药物使用 用于不良反应的评估及预测 用于剂量方案的个体化与调整 I期临床研究中的应用,PK-PD模型的应用,从药物-受体复合物(CeR)到药效(E)的传递函数为线性函数。分别用固定效应模型和混合效应模型拟合相关参数，计算结果表明，体重、年龄等其它协变量对叔丁啡和纳洛酮的药动学无显著影响，两者的药动学模型分别由二房室模型和三房室模型描述，药效拟合结果能较好地反映实际情况 。无纳洛酮时，理想的药效曲线表现为先急速下降后缓慢上升，给予纳洛酮后，在急速下降曲线段中部出现反弹峰。最后根据模型和拟合参数进行模拟研究，结果表明宜用连续输注方式给予纳洛酮以逆转叔丁啡引起的呼吸抑制作用。,抗生素类药物 常见的评价指标包括AUC/MIC(AUIC)、TMIC、Cmax/MIC等 抗生素分为浓度依赖性、 时间依赖性和 后效应(PAE)较长,抗生素PK-PD模型可以由包含细胞生长与杀死过程的通用机制性PK-PD模型表达。如果模型参数Hill系数较大同时最大杀灭速率较低时提示抗菌效应为时间依赖型，反之，Hill系统较小同时最大杀灭速率较高时反映抗菌效应为浓度依赖型。,用于不良反应的评估及预测 E. Bellissant等利用 PK-PD 模型研究了 钙拮抗剂泛 托法隆对心血管的作用。单次给予健康受试者 100 和 300 mg泛托法隆, 并测定血中代谢物浓度, 以收缩动脉压、 舒张动脉压和 PR 间期为药效指标。分别采用线性模型和 S - Emax两种模型进行拟合。经 PK-PD 分析表明,通过调整剂量使代谢物浓度控制在一定范围内时, 该药可以产生良好疗效而避免对心脏的不良反应。,用于剂量方案的个体化与调整 芮建中等考察了静滴 5 mg 和口服 80 mg 外消旋维拉帕米后 8 名汉族男性健康志愿者的心血管效应,以心率、 血压和 PR 间期为效应指标, 用二房室模型加 Sigmo id E max模型估算以维拉帕米总浓度和 S ( - )维拉帕米浓度对 PR 间期延长百分率的药效学参数。结果表明, 在对映体比率的个体间差异较大时或在不同给药途径时,以 S ( - )维拉帕米浓度拟合参数比以总浓度拟合更佳。,吴彩霞等应用 PK-PD 模型研究了美托洛尔效应室药物浓度与降压效应之间的关系。给予原发性高血压患者 1 次口服美托洛尔 50mg ,以给药前后动脉收缩压差值的百分率作为效应指标。结果美托洛尔体内代谢呈一室模型, 降低动脉收缩压效应与血药浓度之间存在逆时针滞后现象。S -Emax模型拟合较佳, 能够较好的用于降压效应的预测。,I期临床研究中的应用,雷贝拉唑钠I期临床PK-PD研究 （实例分析） 蛇毒纯化蛋白多肽GPIb受体抑制剂PK-PD 研究（实例分析）,谢谢你的阅读,知识就是财富 丰富你的人生,