www.jle.com/.../00/04/0F/70/telecharger.md?code_langue=fr&format=application/pdf&titre=Version%20PDF

Notion de pharmacocinétique de population

En plus de la modélisation individuelle, il existe aussi
la « pharmacocinétique de population » ou « régression
non linéaire à effets mixtes » (Non Linear Mixed Effects
Modeling, méthode éponyme du logiciel de référence
NONMEM). Dans cette approche, et à l’opposé de ce qui
vient d’être décrit, l’analyse des données porte d’emblée
sur l’ensemble des individus, d’où le terme de population.
De ce fait, il n’est pas nécessaire que tous les individus
aient des prélèvements aux mêmes moments (figure 3).
L’essentiel est que l’ensemble des prélèvements réalisés
sur la population de l’étude renseigne sur le profil complet
des concentrations en fonction du temps. La possibilité de
travailler à partir de ***données éparses*** est un avantage mais
pas une obligation. Il est tout à fait possible de réaliser une
analyse de population à partir de ***données dites riches***,
c’est-à-dire pour laquelle chaque patient a eu de ***nombreux
prélèvements***. En revanche, l’inverse n’est pas vrai,
puisqu’il est impossible de réaliser une modélisation individuelle
à partir de ***données éparses***.


--------------------------------------------------
Note added at 5 hrs (2008-06-03 20:13:08 GMT)
--------------------------------------------------

No Job Name - 12:08pmInconvénients. Possibilité de réduire le nombre de prélèvements par patients. Les données issues de données éparses ne permettent pas d’autres type ...
www.jle.com/.../00/04/0F/70/telecharger.md?code_langue=fr&f...


--------------------------------------------------
Note added at 5 hrs (2008-06-03 20:16:47 GMT)
--------------------------------------------------

Désolé, ce lien ne marche pas mais j'ai réussi à l'ouvrir pour extraire le texte ci-dessus. Je l'ai trouvé en cherchant prélèvements + éparses.

--------------------------------------------------
Note added at 5 hrs (2008-06-03 20:22:56 GMT)
--------------------------------------------------

Les auteurs sont Français

Analyse pharmacocinétique
de population
Nicolas Simon1, Chantal Le Guellec2, Silvy Laporte3
1 Faculté de médecine de Marseille, EA3784 Variabilité pharmacologique liée aux facteurs
environnementaux et pathologiques, Laboratoire de pharmacologie médicale et clinique, 27
Bd Jean Moulin, 13385 Marseille CEDEX 5
2 Université François Rabelais de Tours, EA3853 « Immuno-pharmaco-génétique des
anticorps thérapeutiques », Service de pharmacologie, Laboratoire de pharmacologie et
toxicologie, Hôpital Bretonneau, CHRU de Tours, 37044 Tours CEDEX 9
3 Unité de pharmacologie clinique, EA3065 Groupe de recherche sur la thrombose, Hôpital
Bellevue, CHU Saint-Etienne, 42055 Saint-Etienne CEDEX 02

--------------------------------------------------
Note added at 5 hrs (2008-06-03 20:24:56 GMT)
--------------------------------------------------

>> données de prélèvement éparses (vs riches) ???

--------------------------------------------------
Note added at 6 hrs (2008-06-03 20:29:24 GMT)
--------------------------------------------------

I would avoid "échantillonnage" which suggests selection of the study sample rather than taking biological samples (prélèvements).

--------------------------------------------------
Note added at 15 hrs (2008-06-04 06:13:09 GMT)
--------------------------------------------------

J'insiste qu'il s'agit du nombre de prélèvements, donc la quantité de données disponibles pour chaque sujet (sparse=peu, rich=beaucoup). Les méthodes d'analyse adaptées permettent le traitement de ces données dites éparses.

--------------------------------------------------
Note added at 1 day4 hrs (2008-06-04 19:10:41 GMT)
--------------------------------------------------

For the benefit of Drmanu49:

Analysis of sparse data - see nonparametric expectation maximisation.

e.g.
Population pharmacokinetics of gentamicin. Use of the nonparametric expectation maximisation (NPEM) algorithm.
Kisor DF, Watling SM, Zarowitz BJ, Jelliffe RW.
University of Pittsburgh Medical Center, Pennsylvania.

A new nonparametric expectation maximisation (NPEM) algorithm for the estimation of population pharmacokinetic parameter values was evaluated. The algorithm, in the form of a personal computer program, was used to compute population pharmacokinetic parameter densities of gentamicin in a group of 9 patients with indicators of malnutrition. The 1-compartment parameter values for clearance (CL), volume of distribution (Vd) and elimination rate constant (k) were compared with values generated using a standard 2-stage (STS) approach. NPEM was used with a full data set (72 gentamicin concentrations) and a sparse data set (only peak and trough concentrations for each patient; 18 in total). There were no differences in parameter value estimations between the STS and NPEM with all the data (p greater than 0.05) or with the sparse data (p greater than 0.05). Mean parameter value estimates from the STS and NPEM (with sparse data) were used as a priori data sets in the USC*PACK gentamicin Bayesian program to predict concentrations in 8 subsequent patients with similar indicators of malnutrition. There were no differences in predicted gentamicin concentrations between STS (3.75 +/- 2.06 mg/L) and NPEM (3.75 +/- 2.17 mg/L). NPEM was able to generate population pharmacokinetic parameter values for gentamicin in a defined population of patients using sparse routine clinical data. It was also shown to function with only a single data point per patient.

There are special pharma software packages that include EM (expectation maximisation) methods.

P-PHARM
a population pharmacokinetic-dynamic data modelling program from InnaPhase. Uses a two-stage procedure (rich data) and/or an EM-type algorithm (sparse data), this has now been incorporated into Kinetica, if you still have a copy of P-Pharm please contact [email protected] to find out how to upgrade to the most current version of Kinetica.