论文部分内容阅读
目的:
运用非线性混合模型(NONMEM)法分析多组分、多配比、多剂量配伍数据,探索该法在中药组方合理性定量分析中的应用。
方法:
1.理论研究方法:根据NONMEM原理,基础模型选择权重配方法、多元回归模型及正交模拟模型;固定效应模型根据专业知识、图形法和目标函数选择;随机模型根据以往经验仅考虑加法模型方法。
2.临床研究与数据分析方法:采用随机双盲、安慰剂对照的多因素配伍设计的中药组方降血糖临床研究,以4wk餐后2h血糖(2h PG)下降值为药效分析指标。
首先采用多元线性回归初步筛选,将筛选后的多味药物按正交模拟模型分析,随机效应模型采用加法模型。
3.基础研究与数据分析方法:基于发表的葶苈大枣桑白皮汤文献,通过蒙特卡罗模拟部分实验数据。以12d后尿量为药效分析指标。基本模型采用多元线性回归模型,固定效应(组分间交互项)模型和统计学模型均采用加法模型。同时模拟作图显示相对药效趋势及表观量效关系。
结果:
1.理论研究结果:以分析多组分、多配比、多剂量的三种方法为基础模型,以组分交互项构建固定效应模型,随机效应模型由个体间变异和个体内变异通过加法方式构成。并由以上三种模型构成最终模型。
2.临床研究结果:最终筛选出5个组分(山药、知母、玄参、天花粉、生地)用于建模。最终模型显示基线效应为-0.783mmol/L,复方中各组分对药效贡献程度顺序依次为山药(ED=3.007)、玄参(ED=0.929)、知母(ED=0.424)。个体间和个体内差异较大。试验中各配伍组均表现为协同作用,其中以ABC(山药、知母、玄参)联用的协同作用最强。不同组方的复方药效模拟表现为AC两组分应用时,理论上可将餐后2h PG最高下降4.745mmol/L。因此模型预测最大效应组方为AC(山药、玄参)。
3.基础研究结果:模型表明桑白皮为复方中主要药效组分,其次为葶苈、大枣。葶苈、桑白皮合用相互作用复杂,与其合用剂量有关,在葶苈<51.85g/只,同时桑白皮<36.14g/只,剂量范围内呈现相加性,超过此剂量,表现为拮抗作用。个体内与个体内变异不大。基线效应为1.501ml/h,组方各组分最适剂量为葶苈10g、大枣5g、桑白皮40g,最适配比为2:1:8。最佳组方下最大效应为12.15ml/h,与原文献按此组方获得效应值(10.7ml/h)相差不大。
结论:
NONMEM法用于中药组方多组分、多配比、多剂量分析时,可确定各组分在组方中的重要程度,组分间相互作用性质和程度,以及个体间和个体内的差异大小,信息丰富。本法可获取最优组方,达到“组分合理,配比恰当,剂量合适”,具有可行性和重要实用价值。