مدل‌های رگرسیونی غیرخطی آمیخته با توزیع نرمال/مستقل

یک کاربرد مشهور از مدل های غیرخطی با اثرهای آمیخته در مطالعه های پزشکی است، که در آن چگونگی اثر دارو های مصرفی بیماران در طول زندگی آنها بررسی می شود. در برازش این مدل ها فرض متداول نرمال بودن اثرهای تصادفی و مولفه های خطا است، اما عدم برقراری آن می تواند موجب نتایجی نامعتبر در برآوردیابی شود. به همین دلیل در تحلیل داده های فارماکوکینتیک توزیع هایی از جمله نرمال، اسلش، تیاستیودنت و نرمالآلوده در نظر گرفته می شوند تا بتوان به تحلیلی استوار دست یافت. در این مقاله برآورد پارامترهای مدل غیرخطی با اثرهای آمیخته از طریق روش ماکسیمم درست نمایی با استفاده از نرم افزار sas برای مجموعه داده های فارماکوکینتیک صورت می گیرد. همچنین با استفاده از معیار های انتخاب مدل که بر اساس این رویکرد هستند، بهترین مدل برازشی بر روی این داده ها برگزیده می شوند.

‎Nonlinear ‌‎R‎egression Mixed Effects Models with Normal‎/ Independent Distribution

A popular application of nonlinear models with mixed effects pharmacokinetic studies , in which the distribution of used drug during the life of the individual study . The fit of these models assume normality of the random effects and errors are common , but can not make it invalid results in the estimation . In longitudinal data analysis , typically assume that the random effects and random errors are normally distributed , but there is a possible violation of empirical studies . For this reason , the analysis of the pharmacokinetic data such as normal distribution , slashe , t student and Contaminated normal considered to be based on analytical achieved . In this paper , parameter estimation of nonlinear models with mixed effects on the maximum likelihood estimation method and the Bayesian approach respectively by SAS software and Open Bugs pharmacokinetic data set for being carried out . Also , using the model selection criteria are based on these two approaches , we found the best fit model to the data .