modélisation : approche par les moments statistiques alain bousquet-mélou

45
Modélisation : approche par les moments statistiques Alain Bousquet-Mélou M2Pro P2M

Upload: dee

Post on 20-Jan-2016

59 views

Category:

Documents


0 download

DESCRIPTION

Modélisation : approche par les moments statistiques Alain Bousquet-Mélou. M2Pro P2M. Synonymes. Approche par les Temps Moyens de Résidence (Mean Residence Time = MRT) Approche Modèle-independante Approche Non-compartimentale Approche par les Moments Statistiques. Standard deviation. - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Modélisation : approche par les moments statistiques

Alain Bousquet-Mélou

M2Pro P2M

Page 2: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Approche par les Temps Moyens de Résidence (Mean Residence Time = MRT)

Approche Modèle-independante

Approche Non-compartimentale

Approche par les Moments Statistiques

Synonymes

Page 3: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Moments statistiques

Mean

• Décrivent la distribution d’une variable aléatoire :• position, dispersion, forme ...

Standard deviation

Valeurs de la variable aléatoire

Page 4: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Moments statistiques

0

nn dxf(x)xm

dxf(x)m0

Moment d’ordre n :

dxf(x)xm1

dtC(t)AUC

dtC(t)tAUMC

Expressionmathématique

Paramètrepharmacocinétique

= « Area Under the Curve

= « Area Under the (first) Moment Curve

Soit X une variable aléatoire et f(x) sa fonction densité de probabilité

X = temps passé dans le système

Page 5: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Interprétation stochastique du devenir d’une molécule

Approche par les Moments Statistiques

Les moments statistiques sont utilisés pour décrire la distribution de cette variable aléatoire

Ils renseignent de façon plus générale sur le comportement des molécules dans le système

On considère le comportement individuel de chaque molécule

Hypothèse : les mouvements entre les espaces cinétiques (transfert) sont indépendants et selon des probabilités fixes

Le temps passé dans le système par chaque molécule est considéré comme une variable aléatoire

Page 6: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Le Temps Moyen de Résidence

Page 7: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

On veut mesurer le temps que chaque molécule administrée passe dans le système : t1, t2, t3…tn

MRT = la moyenne de tous les temps passés

MRT = N

n1*t1 + n2*t2 + n3*t3 +...+ nn*tn

Principe (1) :Entrée à T = 0

Sorties : aux temps t1, t2, …,tn

Temps Moyen de Résidence

Avec N = n1 + n2 + n3 + … + nn

Page 8: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Sous un minimum d’hypothèses, la courbe des concentrations

plasmatiques fournit les informations permettant de calculer le

temps moyen passé dans le système

Principe (2) :

Temps Moyen de RésidenceTemps Moyen de Résidence

Page 9: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Une seule sortie, à partir du compartiment de mesureElimination du premier ordre : cinétique linéaire

Principe (3) :Entrée (substance exogène, endogène)

Sortie unique : excrétion, metabolisme

recirculationéchanges

Compartiment central (mesure)

Temps Moyen de RésidenceTemps Moyen de Résidence

Page 10: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Conséquence de la linéarité AUCtot est proportionnelle à la dose, donc à N Le nombre n1 de molécules éliminées dans

l’intervalle [t1 ; t1+t] est proportionnel à AUCt:

Principe (4) :

C

(t)

C1

t1

Temps Moyen de RésidenceTemps Moyen de Résidence

C(t1) x t

AUCtot

X Nn1 =AUCt

AUCtot

X N =

N molécules administrées dans le système à t=0 Toutes les molécules éliminées à t1 ont un temps de résidence dans

le système égal à t1

Page 11: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

On fait la somme de tous les temps de résidence : - n1 molécules passent t1 dans le système, - n2 molécules passent t2 dans le système …

Principe (5) :

C

(t)

C1

t1

t1 : t1 x x N

tn : tn x x N

MRT = t1xtn x

N

C1 x t x N Cn x t x N

AUCTOT AUCTOT

tn

CnC(1) x t AUCTOT

C(n) x t AUCTOT

Temps Moyen de RésidenceTemps Moyen de Résidence

n1

Avec t petit : toutes les molécules éliminées à t1 + t ont un temps de résidence égal à t1

Page 12: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Principe (6) :

MRT = t1xtn x

N

C1 x t x N Cn x t x N

AUCTOT AUCTOT

MRT = =

Temps Moyen de RésidenceTemps Moyen de Résidence

MRT = t1xC1 x ttn x Cn x t AUCTOT

t C(t) t

C(t) t

ti x Ci x t

AUCTOT

AUC

AUMC

dtC(t)

dtC(t)tMRT

Page 13: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

2 exit sites Statistical moments obtained from plasma concentration

inform only on molecules eliminated by the central compartment

Limits of the method:

Centralcompartment

(measure)

Temps Moyen de RésidenceTemps Moyen de Résidence

Page 14: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Analyse non-compartimentaleTrapèzes (intégration numérique)

Ajustement avec une équation polyexponentielle

Paramètres de l’équation : Yi, i

Analyse avec un modèle compartimentalParamètres du modèle : kij

Les méthodes de calculLes méthodes de calcul

Page 15: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

From: Rowland M, Tozer TN. Clinical Pharmacokinetics – Concepts and Applications, 3rd edition, Williams and Wilkins, 1995, p. 487.

C(t) en fonction de t

txC(t) en fonction de t

Page 16: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

AUC

AUMC

Trapèzes linéaires ou log-linéaires

(ti - ti-1) x(Ci + Ci-1)

2

(ti - ti-1) x(Ci x ti + Ci-1 x ti -1)

2

Analyse non-compartimentaleAnalyse non-compartimentale

Calcul des aires par intégration numérique

Page 17: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Time (hr) C (mg/L) 0 2.55 1 2.00 3 1.13 5 0.70 7 0.43 10 0.20 18 0.025

AUC Determination

Area (mg.hr/L)-2.2753.131.831.130.9450.900

Total 10.21

AUMC Determination C x t(mg/L)(hr) 0 2.00 3.39 3.50 3.01 2.00 0.45

Area(mg.hr2/L) - 1.00 5.39 6.89 6.51 7.52 9.80 37.11

Analyse non-compartimentaleAnalyse non-compartimentale

Page 18: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

MRT = AUMC / AUC

Clairance = Dose / AUC

Vss = Cl x MRT =

F% = AUC EV / AUC IV DEV = DIV

Dose x AUMCAUC2

Par extension, on appelle analyse non compartimentale l’utilisation de la méthode des trapèzes pour calculer les aires et les paramètres paharmacocinétiques dérivés

Analyse non-compartimentaleAnalyse non-compartimentale

Page 19: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Analyse non-compartimentaleTrapèzes (intégration numérique)

Ajustement avec une équation polyexponentielle

Paramètres de l’équation : Yi, i

Analyse avec un modèle compartimentalParamètres du modèle : kij

Les méthodes de calculLes méthodes de calcul

Page 20: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Ajustement avec une équationAjustement avec une équation

Calcul des aires par intégration mathématique

n

1i

tλi

ieC(t) Y

n

1i i

i

λ

YAUC

n

1i2i

i

λ

YAUMC

Pour n=1

10

1

k

YAUC

210

1

k

YAUMC

10k

1MRT

Page 21: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Analyse non-compartimentaleTrapèzes (intégration numérique)

Ajustement avec une équation polyexponentielle

Paramètres de l’équation : Yi, i

Analyse avec un modèle compartimentalParamètres du modèle : kij

Les méthodes de calculLes méthodes de calcul

Page 22: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

a11dX1/dt

X1

a21

X2

a12

a22

Exemple : système à deux compartiments

Soit K la matrice 2x2 du système d’équations différentielles

Analyse avec un modèle compartimentalAnalyse avec un modèle compartimental

dX2/dtK =

Page 23: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

MRT11

Dose dans 1

MRT21

MRT12

MRT22

Exemple : système à deux compartiments

Soit K la matrice 2x2 du système d’équations différentielles

Analyse avec un modèle compartimentalAnalyse avec un modèle compartimental

(-K-1) =

Alors la matrice (- K-1) donne les MRT dans les compartiments

Dose dans 2

MRTsystème = MRTcomp1 + MRTcomp2

Comp 1

Comp 2

Page 24: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

- a22

a21

a12

- a11

Analyse avec un modèle compartimentalAnalyse avec un modèle compartimental

(-K-1) =1

x

avec = a11xa22 – a12xa21

a11

a21

a12

a22K =

Page 25: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Une propriété fondamentale des MRT : ADDITIVITE

Temps Moyens d’absorption / de dissolution

MRT des compartiments central et périphériques

MRT Système

Page 26: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Temps Moyen d’Absorption(MAT)

Page 27: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Définition : temps moyen nécessaire à l’arrivée du médicament dans le compartiment central

1 A comp. systèmeEV

MRTAUC

AUMC

A 1

Ka

F = 100%

K10

Le Temps moyen d’absorptionLe Temps moyen d’absorption

1 compMRTAUC

AUMC

IV

IVEV

IVEVA comp. AUC

AUMC

AUC

AUMCMRT

!MATMRT A comp.

Car biodisponibilité = 100%

Page 28: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Biodisponibilité incomplète

1 A comp. systèmeEV

MRTAUC

AUMC

A 1

Ka1K10

Le Temps moyen d’absorptionLe Temps moyen d’absorption

IV

EV

Ka2

k10

1

ka2ka1

1MRTMRT

AUC

AUMC1 comp.A comp.

EV

k10

F

ka2ka1

1

ka2ka1

ka1

k10

1

ka2ka1

1MRT 1A comp. système

Page 29: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Biodisponibilité incomplète

1 A comp. systèmeEV

MRTAUC

AUMC

A 1

Ka1K10

Le Temps moyen d’absorptionLe Temps moyen d’absorption

IV

EV

Ka2

Quelle condition nécessaire à la validité du calcul par les aires n’est-elle pas vérifiée ?

Une seule sortie du système par le compartiment d’observation !

Page 30: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Ka1

K10

Ka2

= 1 + 1 = 2 h

= 1 + 0.5 x1 = 1.5 h

Le Temps moyen d’absorptionLe Temps moyen d’absorption

k10

1

ka2ka1

1MRTMRT

AUC

AUMC1 comp.A comp.

EV

Ka1=Ka2=0.5K10= 1

k10

F

ka2ka1

1

ka2ka1

ka1

k10

1

ka2ka1

1MRT 1A comp. système

Page 31: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Relation entre MRTA et MATRelation entre MRTA et MAT

Biodisponibilité incomplète

ka2ka1

ka1F

A 1

Ka1K10

IV

EV

Ka2

ka2ka1

1MRTA

ka1

1MAT

F

MRTMAT Aavec

Page 32: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

1 1

1 4

MRTA = = 0.5 h1

(1 + 1)MRTB = = 0.2 h

1

(4 + 1)

A BK10K10

Relation entre MRTA et MATRelation entre MRTA et MAT

F = = 0.51

(1 + 1)

MATA = = 1 h0.5

0.5

F = = 0.21

(4 + 1)

MATB = = 1 h0.2

0.2

Page 33: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Temps Moyen de Dissolution(MDT)

Page 34: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Mesure in vivo de la vitesse de dissolution dans le tractus digestif

sang

solution

Tractus digestif

MDT = MRTcomprimé - MRTsolution

dissolution absorption

comprimé solution

Le Temps moyen de dissolutionLe Temps moyen de dissolution

Page 35: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Temps Moyen de Résidence dans le compartiment central (MRTC) et le compartiment périphérique (MRTT)

Page 36: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

MRTC MRTTMRTsystème = MRTC + MRTT

MRTcentral et MRTtissus

Entrée

Sortie (unique) : excrétion, métabolisme

Page 37: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Le Temps Moyen de Transit (MTT)

Page 38: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Définition : Durée moyenne d’une visite dans un

compartiment

Le Temps moyen de transit (MTT)Le Temps moyen de transit (MTT)

Page 39: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Après administration intraveineuse

N.B. : nécessite une estimation précise de C(0)

Compartiment central : MTTcentral

Le Temps moyen de transit (MTT)Le Temps moyen de transit (MTT)

/dt0dC

0CMTTC

0C

0CMTT 'C

ii

iC λY

YMTT

Page 40: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Le Nombre Moyen de Résidences(MRN)

Page 41: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Définition : Nombre moyen de fois que chaque molécule entre dans

un compartiment après son injection dans le système

Nombre moyen de visites dans un compartiment

Pour un compartiment :

MRN =MRT

MTT

Le Nombre moyen de visites (MRN)Le Nombre moyen de visites (MRN)

Page 42: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

MRTC

(toutes les visites)MTTC

(une seule visite)

MRTT

(toutes les visites)MTTT

(une seule visite)

Cldistribution

Rnombre

de cycles

Clelimination

Clredistribution

Nombre Moyen de visites

RR+1IV

Interprétation stochastique du comportement cinétiqueInterprétation stochastique du comportement cinétique

Page 43: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

MRTsystème = AUMC / AUC

MRTC = AUC / C(0)

MTTC = -C(0) / C’(0) R + 1 = MRTC

MTTC

MRTT = MRTsystème- MRTC

MTTT =MRTT

R

Interprétation stochastique du comportement cinétiqueInterprétation stochastique du comportement cinétique

Après administration intraveineuse

Page 44: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Déterministe vs stochastiqueDigoxin

Stochastique

MTTC : 0.5hMRTC : 2.81hVc 34 L

Cld = 52 L/h

4.4

ClR = 52 L/h

MTTT : 10.5hMRTT : 46hVT : 551 L

Cl = 12 L/h

MRTsystem = 48.8 h

Déterministe

Vc : 33.7 L1.56 h-1

VT : 551L0.095 h-1

0.338 h-1

t1/2 = 41 h

21.4 e-1.99t + 0.881 e-0.017t

0.3 h

41 h

Interprétation stochastique du comportement cinétiqueInterprétation stochastique du comportement cinétique

Page 45: Modélisation : approche par les moments statistiques Alain Bousquet-Mélou

Gentamicin

Stochastique

MTTC : 4.65hMRTC : 5.88hVc : 14 L

Cld = 0.65 L/h

0.265

ClR = 0.65 L/h

MTTT : 64.5hMRTT : 17.1hVT : 40.8 L

Clélimination = 2.39 L/h

MRTsystem = 23 hDéterministe

Vc : 14 L0.045 h-1

VT : 40.8L0.016 h-1

0.17 h-1

t1/2 = 57 h

y =5600 e-0.281t + 94.9 e-0.012t

t1/2 =3h

t1/2 =57h

Déterministe vs stochastiqueInterprétation stochastique du comportement cinétiqueInterprétation stochastique du comportement cinétique