パラメータ線形な常微分方程式モデルの混合効果推定

科学分野:

• 統計学; 動力学系モデリング; 計算生物学

背景:

• 常微分方程式（ODE）モデルは、動力学系の解析に不可欠です。; 複雑な階層構造を持つODEモデルにおける固定効果およびランダム効果の推定は依然として困難です。; 既存の非線形混合効果モデルは、多様なデータ構造を処理する上で限界があります。

研究 の 目的:

• ODEモデルにおける固定効果およびランダム効果を推定するための一般的なフレームワークを提案すること。; 混合効果ODEモデリングを、単一層、ネストされた階層的、および交差ランダム効果構造に拡張すること。; 広範な動力学系に対する統計的推論のアクセス可能性を高めること。

主な方法:

• パラメータにおいて線形であるODEモデルのための新しいフレームワークである直接積分混合効果（DIME）を開発しました。; パラメータ-状態の分離可能性を利用して、問題を線形混合効果モデルのフレームワーク内で再定式化しました。; 一貫性と漸近正規性の理論的保証を提供しました。

主要な成果:

• DIMEはnlmeおよびnlmixr2と比較して、バイアスとRMSEにおいて競争力のある性能を示しました。; DIMEは、特にデータが限られている場合の分散成分推定において、優れたカバレッジ確率を示しました。; この手法は、競合する手法が失敗したシナリオにも適用可能であることが証明されました。; 人口増加および大気力学データにDIMEを適用し、一貫性があり解釈可能な結果を得ました。

結論:

• DIMEは、混合効果ODEモデリングのための柔軟でアクセス可能なアプローチを提供します。; このフレームワークは、複雑な階層的データ構造を効果的に処理します。; DIMEは、さまざまなシナリオで既存の方法を上回る、動力学系における統計的推論のための強力な代替手段を提供します。