一种关于目标药物的用药依从性的评估方法、设备及介质与流程

摘要: 本发明涉及生物医药,特别涉及关于目标药物的用药依从性的评估方法、设备及介质。背景技术:1、在慢性疾病长期药物治疗中,用药依从性是决定疗效、影响预后及医疗资源消耗...
一种关于目标药物的用药依从性的评估方法、设备及介质与流程

本发明涉及生物医药,特别涉及关于目标药物的用药依从性的评估方法、设备及介质。

背景技术:

1、在慢性疾病长期药物治疗中,用药依从性是决定疗效、影响预后及医疗资源消耗的核心变量。依从性不佳普遍存在于癫痫、高血压、糖尿病、器官移植抗排异、精神类疾病等多个治疗领域,常导致疾病控制失败、症状反复、并发症风险升高、急诊与住院率增加,并带来沉重的社会经济负担。因此,客观、准确且可用于临床常规的用药依从性评估,是实现有效目标用户管理、优化治疗方案的关键前提。

2、当前,临床实践与研究中采用的依从性评估方法各有侧重。目标用户自我报告或结构化问卷等方法成本低但主观性强,易受偏倚影响。电子药盒监测等直接行为记录法虽能提供精确的用药动作时间戳,但其依赖专用硬件,存在成本、可及性与长期使用可行性方面的挑战。治疗药物监测(therapeutic drug monitoring, tdm) 通过定量分析生物样本中的药物浓度,为评估近期用药行为提供了客观的生化证据,已成为许多治疗窗狭窄或药动学变异大的药物(如抗癫痫药、免疫抑制剂、部分抗生素)的临床常规工具。传统的tdm判读依赖于将个体浓度与基于群体数据的治疗参考范围进行比较,来判断是否漏服或剂量不足。但是,个人的实际药动学特征和群体数据存在差异,这将导致“理论预测”与“个体实际”之间存在系统误差,这种误差会直接降低依从性评估的准确性,尤其是上述差异较大时,甚至可能导致误判。

3、因此,如何提高依从性评估的准确性是亟待解决的问题。

技术实现思路

1、发明的主要目的是提供一种关于目标药物的用药依从性的评估方法、设备及介质。

2、为实现上述目的,本发明提出一种关于目标药物的用药依从性的评估方法,包括如下步骤:

3、获取目标用户服用目标药物的标定血药浓度监测数据,以及用药的依从状态;

4、根据所述标定血药浓度监测数据,以所述依从状态为基准,基于群体药动学模型的群体药动学参数计算个体药动学参数;

5、设定预设用药行为和对应的先验概率;

6、根据所述个体药动学参数,模拟得到所述预设用药行为对应的血药浓度理论分布;

7、获取所述目标用户服用所述目标药物的常规血药浓度监测数据;

8、根据所述常规血药浓度监测数据、所述血药浓度理论分布、所述先验概率,基于贝叶斯推断模型获得处于所述预设用药行为的后验概率;

9、根据所述后验概率,获得用药依从性的评估结果。

10、可选的,所述根据所述标定血药浓度监测数据,以所述依从状态为基准,基于群体药动学模型的群体药动学参数计算个体药动学参数,包括:

11、当所述依从状态为完全依从时,根据群体药动学模型的群体药动学参数,设置随机效应的先验分布;

12、将所述标定血药浓度监测数据作为观测数据,基于最大后验贝叶斯法估算个体的随机效应,进而获得个体药动学参数。

13、可选的,所述个体的随机效应的计算步骤为:

14、令η表示个体的随机效应,其先验分布为η~n(0,),则其数学表达为:

15、

16、其中:

17、个体随机效应,表示观测数据,是先验分布,是似然函数,是后验分布;

18、个体药动学参数的计算步骤为:

19、① 设置先验分布:从群体模型中提取参数的群体典型值,及其个体间变异的方差估计,个体的随机效应、服从先验分布n(0,)和n(0,);

20、② 构建似然函数:个体的药动学参数表示为:

21、

22、

23、将、代入药动学微分方程,结合所述标定血药浓度监测数据的精确给药时间和剂量,通过数值积分求解,得到在采样时间点的理论浓度预测值;设置实测浓度与预测值之间的残差服从均值为0、方差为的正态分布,则单个观测点的似然值为:

24、

25、③ 求解个体药动学参数的点估算值:采用最大后验贝叶斯法求解个体随机效应:以对数后验密度作为优化目标函数,该函数由先验项与似然项相加构成;群体典型值作为参数迭代的起始点;采用一阶条件估算法,系统性地调整个体随机效应的取值,使目标函数值逐步增大;

26、当相邻两次迭代的目标函数值变化小于预设阈值,或参数调整步长小于预设阈值时,判定优化过程收敛;

27、收敛时对应的参数取值,即为该目标用户的个体随机效应的点估算值;

28、进而通过个体随机效应的点估算值估算个体药动学参数。

29、可选的,所述将所述标定血药浓度监测数据作为观测数据,基于最大后验贝叶斯法估算个体随机效应,进而获得个体药动学参数,包括:

30、将当前已获取的所述标定血药浓度监测数据作为观测数据,基于最大后验贝叶斯法,估算目标用户的个体随机效应,进而获得个体药动学参数;

31、在获取到后续的标定血药浓度监测数据,并且其依从状态为完全依从时,根据当前的所述个体随机效应的后验分布设置为新的先验分布,并将所述后续的标定血药浓度监测数据作为观测数据,并再次基于最大后验贝叶斯法估算个体随机效应,进而对当前的所述个体药动学参数进行更新。

32、可选的,所述将所述标定血药浓度监测数据作为观测数据,基于最大后验贝叶斯法估算个体的随机效应,进而获得个体药动学参数,包括:

33、当所述标定血药浓度监测数据全部采集完毕,并且所述依从状态为完全依从时,将所述标定血药浓度监测数据作为观测数据,基于最大后验贝叶斯法一次性估算目标用户的个体随机效应,进而获得个体药动学参数。

34、可选的,所述根据所述后验概率,获得用药依从性的评估结果,包括:

35、在获得多种所述预设用药行为对应的多个后验概率时,根据其中最大的后验概率所对应的预设用药行为,获得用药依从性的评估结果。

36、可选的,所述方法还包括步骤:

37、将多个所述预设用药行为的后验概率,通过图形输出,并显著显示最大后验概率对应的预设用药行为;和/或

38、生成多个所述预设用药行为的后验概率与常规血药浓度监测数据的关系图,通过图形输出,并且显著显示常规血药浓度监测数据,以及最大后验概率对应的预设用药行为;和/或

39、根据所述评估结果,将对应预设用药行为以及对应的警示和建议,通过图形输出。

40、可选的,所述根据所述标定血药浓度监测数据,以所述依从状态为基准,基于群体药动学模型的群体药动学参数计算个体药动学参数,包括:

41、当所述依从状态为未知时,采用期望最大化算法(expectation-maximization,em)进行估算:获取m个标定血药浓度监测数据,其中m至少为2;并获取n个预设用药行为和对应的n个先验概率,其中n至少为2;

42、根据所述先验概率设置每一个所述标定血药浓度监测数据分别处于每一种预设用药行为的初始先验概率;

43、e步骤:根据所述预设用药行为,以及群体药动学模型的群体药动学参数,模拟得到对应的初始血药浓度理论分布;

44、根据所述标定血药浓度监测数据、所述初始血药浓度理论分布、所述初始先验概率,基于贝叶斯推断模型获得处于所述预设用药行为的后验概率;

45、根据上述e步骤,获得每一个所述标定血药浓度监测数据分别处于每一所述预设用药行为的后验概率;

46、m步骤:根据所述初始血药浓度理论分布,获得所述标定血药浓度监测数据处于所述预设用药行为的似然值,并根据所述后验概率设置权重系数,再获得权重对数似然值;

47、根据上述m步骤,获得每一个所述标定血药浓度监测数据分别处于每一所述预设用药行为的权重对数似然值;

48、根据每一所述权重对数似然值构建加权对数似然函数,并通过数值优化算法,对所述群体药动学参数进行迭代;

49、迭代执行e步骤和m步骤,以所述群体药动学参数作为固定先验值,对个体随机效应进行多次迭代直至收敛,进而基于群体药动学参数和个体随机效应获得个体药动学参数。

50、本技术还提供了一种电子设备,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现上述的关于目标药物的用药依从性的评估方法。

51、本技术还提供了一种可读存储介质,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述的关于目标药物的用药依从性的评估方法。

52、本技术的有益效果:

53、与现有技术相比,本技术提供的关于目标药物的用药依从性的评估方法、设备及介质,通过先判断标定血药浓度监测数据的依从状态,以依从状态为基准,基于群体药动学模型的群体药动学参数计算个体药动学参数。此时得到的个体药动学参数相对初始的群体药动学参数,能更逼近该目标用户的真实药动学特征。从而后续的,基于个体药动学参数,模拟得到对应的血药浓度理论分布,则能更真实地反映该目标用户的药动学行为。进而以此为基础的推断用药依从性,则依从性评估结果更加贴近目标用户的真实用药行为,减少了因个体差异导致的误判,评估结论的置信度与临床接受度显著提高。