**群体药代动力学是研究接受临床相关剂量的目标患者群体个体中药物浓度变异性的来源和相关性。**与集中采样少量健康志愿者的传统药代动力学研究不同，群体药代动力学分析在常规临床条件下从大量患者收集的稀疏浓度数据。 该方法量化了典型的药代动力学行为以及典型值周围的个体间和个体内变异性。

NONMEM 方法论

群体药代动力学分析的标准分析工具是NONMEM（非线性混合效应模型），由旧金山加利福尼亚大学开发。 NONMEM 实现了一种非线性混合效应建模方法，可同时估计固定效应和随机效应。 固定效应是典型的群体参数：清除率、分布体积、吸收率常数以及体重、年龄或肾功能等协变量对这些参数的影响。 随机效应量化了在考虑固定效应后仍然无法解释的变异性。 随机效应分为个体间变异性（IIV），代表受试者之间药代动力学参数的差异，以及残余变异性，代表个体内模型预测浓度与观察到浓度之间的差异。 残余变异性包括测量误差、模型错误指定和个体内随时间变化的变异性。 通过将变异性划分为这些组成部分，群体药代动力学分析提供了目标群体中药物分布的全面描述。

Fixed and Random Effects

群体药代动力学的结构模型使用房室方程定义了典型的药代动力学特征。 例如，具有一阶消除的单室模型描述了典型的间隙和分布体积。 然后，随机效应模型描述了各个参数如何偏离典型值。 个体间变异性通常使用指数误差模型进行建模：个体参数等于典型参数乘以 e 的 eta 次方，其中 eta 被假定为均值为零、方差为 omega 平方的正态分布。 协变量被纳入固定效应模型中以解释个体间的变异性。 常见的协变量包括体重、年龄、性别、肾清除药物的血清肌酐或肌酐清除率，以及肝清除药物的肝功能测量值。 协变量模型可以使用线性或非线性关系，例如间隙按重量提高到0.75次方的异速缩放。 添加协变量应该足以改善模型拟合，以证明增加的复杂性是合理的。

研究设计注意事项

群体药代动力学研究通常使用稀疏采样，其中每个患者仅提供少量浓度测量值。 这种设计对于常规临床护理来说是实用的，并且允许纳入传统设计中难以研究的患者群体，例如危重患者、新生儿或患有多种合并症的老年患者。 人群研究的最佳抽样设计旨在在给药间隔内从不同患者的信息丰富的时间收集样本，这一概念称为“最佳设计”。 群体药代动力学研究中的受试者数量通常比传统研究中的受试者数量多，常见的是 50 至数百名受试者。 实际数量取决于模型的复杂性、预期变异性以及要评估的协变量的数量。 在设计阶段使用基于仿真的方法来确定以足够的精度估计参数所需的样本大小。

个体间和个体内变异性

了解个体差异的程度对于确定固定给药方案是否足够或是否需要个体化给药至关重要。 对于个体差异较低的药物，标准剂量在大多数患者中产生相似的浓度。 对于个体间变异性较高的药物，接受相同剂量的患者可能具有很大不同的浓度，因此需要根据患者特征或治疗药物监测进行个体化剂量。

个体内变异性描述了个体药代动力学随时间的变化，这可能是由于疾病进展、药物相互作用或生理状态的变化造成的。 量化个体差异有助于确定所需监测的频率以及用于预测未来浓度的单一浓度测量的可靠性。

在特殊人群中的应用

群体药代动力学分析对于研究传统临床试验中代表性不足的特殊人群的药物处置特别有价值。 儿童群体药代动力学研究描述了药物代谢酶的成熟和肾功能，从而为不同年龄的儿童提供基于证据的剂量建议。 老年研究量化了与年龄相关的生理变化对药物清除的影响。 对肾或肝功能不全患者的研究为剂量调整建议提供了药代动力学基础。

该方法还用于评估遗传多态性对药物处置的影响。 通过将基因型作为群体模型中的协变量，可以量化 CYP2D6、CYP2C9、CYP2C19 和其他多态性酶对药物清除的影响，支持基因型指导的给药策略。

贝叶斯估计实践

群体药代动力学模型是治疗药物监测中贝叶斯估计的基础。 群体模型提供了有关典型参数值及其变异性的先验信息，这些信息会根据患者自身的浓度测量值进行更新，以获得个性化的参数估计值。 这种贝叶斯方法即使在稀疏采样的情况下也可以实现精确的剂量个体化，从而可以在常规临床实践中优化治疗。 群体药代动力学原理与贝叶斯反馈的整合改变了万古霉素和氨基糖苷类药物的管理，使临床医生能够比传统给药方法更快地达到目标浓度并更一致地维持目标浓度。 随着计算工具变得越来越容易获得，群体药代动力学指导的剂量正在扩展到更广泛的药物范围。