update: Tab 2.3

Co-authored-by: Choi, Suein <mychloe00@gmail.com>
pipetcpt · Nov 5, 2020 · 1ce7437 · 1ce7437
1 parent f451cb4
commit 1ce7437
Show file tree

Hide file tree

Showing 30 changed files with 1,794 additions and 1,611 deletions.
diff --git a/data-raw/fig-tab.xlsx b/data-raw/fig-tab.xlsx
diff --git a/docs/IE.html b/docs/IE.html
@@ -6,7 +6,7 @@
   <meta http-equiv="X-UA-Compatible" content="IE=edge" />
   <title>Chapter 8 초기추정값 | 계량약리학 워크샵 - 초급 과정</title>
   <meta name="description" content="혼합효과 모델링(mixed-effects modeling)은 신약개발과 임상시험, 시판허가 등의 주요 의사결정에 필수적으로 쓰이고 있는 계량약리학적 접근법의 핵심적인 기법으로서 그 기본개념을 익히는 것이 결코 쉽지 않습니다. 2009년부터 매년 개최해 온 PK/PD 워크샵의 내용 중에서 basic-1과 2의 교재를 입문자들이 스스로 학습할 수 있도록 한권의 책으로 펴냈습니다. 약동-약력학 모델링을 위해 가장 널리 사용하는 NONMEM 소프트웨어를 활용하기 위에 알아야 하는 기본개념들과 그 사용법을 소개합니다." />
-  <meta name="generator" content="bookdown 0.20 and GitBook 2.6.7" />
+  <meta name="generator" content="bookdown 0.21 and GitBook 2.6.7" />
 
   <meta property="og:title" content="Chapter 8 초기추정값 | 계량약리학 워크샵 - 초급 과정" />
   <meta property="og:type" content="book" />
@@ -50,7 +50,10 @@
 
 
 
+<link href="libs/anchor-sections/anchor-sections.css" rel="stylesheet" />
+<script src="libs/anchor-sections/anchor-sections.js"></script>
 <script src="libs/kePrint/kePrint.js"></script>
+<link href="libs/lightable/lightable.css" rel="stylesheet" />
 
 
 <style type="text/css">
@@ -117,7 +120,7 @@
 code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */
 </style>
 
-<link rel="stylesheet" href="css\style.css" type="text/css" />
+<link rel="stylesheet" href="css/style.css" type="text/css" />
 </head>
 
 <body>
@@ -334,7 +337,7 @@
 <li class="chapter" data-level="19.2.1" data-path="effect-model.html"><a href="effect-model.html#일반적인-imax-model-vs.-sigmoid-imax-model"><i class="fa fa-check"></i><b>19.2.1</b> 일반적인 I<sub>max</sub> model vs. Sigmoid I<sub>max</sub> model</a></li>
 <li class="chapter" data-level="19.2.2" data-path="effect-model.html"><a href="effect-model.html#다중-약물결합-모델multiple-binding-site-model"><i class="fa fa-check"></i><b>19.2.2</b> 다중 약물결합 모델(multiple binding site model)</a></li>
 </ul></li>
-<li class="chapter" data-level="19.3" data-path="cov.html"><a href="cov.html#결론"><i class="fa fa-check"></i><b>19.3</b> 결론</a></li>
+<li class="chapter" data-level="19.3" data-path="effect-model.html"><a href="effect-model.html#결론-1"><i class="fa fa-check"></i><b>19.3</b> 결론</a></li>
 </ul></li>
 <li class="chapter" data-level="20" data-path="delayed-effect.html"><a href="delayed-effect.html"><i class="fa fa-check"></i><b>20</b> 지연효과 모델</a>
 <ul>
@@ -424,7 +427,7 @@ <h2><span class="header-section-number">8.2</span> 왜 좋은 초기추정값을
 <p>위의 그림 <a href="IE.html#fig:limitation-newton-rhapson">8.2</a>에서 목적함수의 극값은 3개이며, 2개는 극소값, 1개는 극대값이 된다. 이 때, 당연히도 도함수가 0과 교차하는 점은 3개가 되고, 2개는 이계도함수값이 양의 값을, 1개는 이계도함수값이 음의 값을 가지게 되는 것이다. 즉, 2절에서 제시한 요건을 만족하는 지점이 2개가 된다. 그렇다면 이 상황에서 초기 조건은 최종 도달지점에서 어떤 영향을 미칠 것인가? 아래의 표 <a href="IE.html#tab:final-destination">8.1</a>를 통해 확인할 수 있다.</p>
 <table>
 <caption>
-<span id="tab:final-destination">표 8.1: </span>초기값에 따른 최종 도달지점의 변화 <span class="citation">(Han, Jeon, and Yim <a href="#ref-han2016tips" role="doc-biblioref">2016</a>)</span>
+<span id="tab:final-destination">표 8.1: </span>초기값에 따른 최종 도달지점의 변화 <span class="citation">(<a href="참고문헌.html#ref-han2016tips" role="doc-biblioref">Han, Jeon, and Yim 2016</a>)</span>
 </caption>
 <thead>
 <tr>
@@ -766,7 +769,7 @@ <h2><span class="header-section-number">8.4</span> THETA의 초기추정값 지
 \end{split}
 \tag{8.3}
 \end{equation}\]</span></p>
-<p>많은 약동-약력학 모델에 대해 유사한 방법으로 IE 값을 얻는 전략이 Gabrielsson과 Weiner의 Pharmacokinetic and Pharmacodynamic Data Analysis, 5th ed. 중 ‘Chapter 2. Pharmacokinetic Concepts’, ‘Chapter 3. Pharmacodynamic Concepts’에 잘 정리되어 있으므로 이를 읽어보기를 추천한다. <span class="citation">(Gabrielsson <a href="#ref-gabrielsson" role="doc-biblioref">2006</a>)</span></p>
+<p>많은 약동-약력학 모델에 대해 유사한 방법으로 IE 값을 얻는 전략이 Gabrielsson과 Weiner의 Pharmacokinetic and Pharmacodynamic Data Analysis, 5th ed. 중 ‘Chapter 2. Pharmacokinetic Concepts,’ ‘Chapter 3. Pharmacodynamic Concepts’에 잘 정리되어 있으므로 이를 읽어보기를 추천한다. <span class="citation">(<a href="참고문헌.html#ref-gabrielsson" role="doc-biblioref">Gabrielsson 2006</a>)</span></p>
 <p>또한, 집단의 대표값과 각 개인 파라미터 값의 관계를 어떻게 설정했는가에 따라 <em>θ</em>의 값은 약간씩 달라질 수 있는데, 예를 들어 개인 간 변이를 가법적으로 설정한 경우(<em>P</em><sub>ij</sub> = <em>θ</em><sub>i</sub> + <em>η</em><sub>ij</sub>)에 <em>θ</em> 값은 해당 파라미터의 집단 평균값에 가까워질 것이며, 이를 지수적으로 설정했다면(<em>P</em><sub>ij</sub> = <em>θ</em><sub>i</sub> · EXP(<em>η</em><sub>ij</sub>)), <em>θ</em> 값은 중앙값에 가까워질 것이다. 이러한 맥락에서 모델링을 수행하는 사람이라면 본인이 작성한 제어구문의 구조가 파라미터 추정값에 어떠한 영향을 미치는가를 이해할 수 있어야 한다고 하겠다. 특히, 공변량 관계가 적용된 모델에서는 공변량 효과 역시 고정 효과로써 반영이 되므로 공변량이 적용되는 파라미터에는 1개 이상의 <em>θ</em>가 추가되며, 이는 기존에 THETA 하나를 이용하여 집단의 대표값을 설명하는 경우와는 다른 고려가 필요하다. 예를 들어, 집단의 분포용적 대표값이 100 L일 때, 이를 <em>θ</em> 하나로 표현하면 그 값이 그대로 100 L/hr이겠으나, V = <em>θ</em><sub>1</sub>*WT + <em>θ</em><sub>2</sub> (WT는 체중)라는 구조로 표현한다면, <em>θ</em><sub>1</sub>의 값은 100을 WT의 평균으로 나눈 값과 유사한 값이 될 것이므로, 이를 반영하여 IE를 설정해 주어야 할 것이다.</p>
 </div>
 <div id="omega의-초기추정값-지정" class="section level2" number="8.5">
@@ -784,15 +787,6 @@ <h2><span class="header-section-number">8.6</span> SIGMA의 초기추정값 지
 1\. Han S, Jeon S, Yim DS. Tips for the choice of initial estimates in NONMEM. Transl Clin Pharmacol. 2016 Sep;24(3):119-123. https://doi.org/10.12793/tcp.2016.24.3.119
 -->
 
-</div>
-</div>
-<h3>참고문헌</h3>
-<div id="refs" class="references">
-<div id="ref-gabrielsson">
-<p>Gabrielsson, Johan. 2006. <em>Pharmacokinetic &amp; Pharmacodynamic Data Analysis : Concepts and Applications</em>. Stockholm: Apotekarsocieteten.</p>
-</div>
-<div id="ref-han2016tips">
-<p>Han, Seunghoon, Sangil Jeon, and Dong-Seok Yim. 2016. “Tips for the Choice of Initial Estimates in Nonmem.” <em>Translational and Clinical Pharmacology</em> 24 (3): 119–23.</p>
 </div>
 </div>
             </section>

diff --git a/docs/PRED.html b/docs/PRED.html
@@ -6,7 +6,7 @@
   <meta http-equiv="X-UA-Compatible" content="IE=edge" />
   <title>Chapter 7 $PRED: ADVAN을 쓰지 않는 코딩 | 계량약리학 워크샵 - 초급 과정</title>
   <meta name="description" content="혼합효과 모델링(mixed-effects modeling)은 신약개발과 임상시험, 시판허가 등의 주요 의사결정에 필수적으로 쓰이고 있는 계량약리학적 접근법의 핵심적인 기법으로서 그 기본개념을 익히는 것이 결코 쉽지 않습니다. 2009년부터 매년 개최해 온 PK/PD 워크샵의 내용 중에서 basic-1과 2의 교재를 입문자들이 스스로 학습할 수 있도록 한권의 책으로 펴냈습니다. 약동-약력학 모델링을 위해 가장 널리 사용하는 NONMEM 소프트웨어를 활용하기 위에 알아야 하는 기본개념들과 그 사용법을 소개합니다." />
-  <meta name="generator" content="bookdown 0.20 and GitBook 2.6.7" />
+  <meta name="generator" content="bookdown 0.21 and GitBook 2.6.7" />
 
   <meta property="og:title" content="Chapter 7 $PRED: ADVAN을 쓰지 않는 코딩 | 계량약리학 워크샵 - 초급 과정" />
   <meta property="og:type" content="book" />
@@ -50,7 +50,10 @@
 
 
 
+<link href="libs/anchor-sections/anchor-sections.css" rel="stylesheet" />
+<script src="libs/anchor-sections/anchor-sections.js"></script>
 <script src="libs/kePrint/kePrint.js"></script>
+<link href="libs/lightable/lightable.css" rel="stylesheet" />
 
 
 <style type="text/css">
@@ -117,7 +120,7 @@
 code span.wa { color: #60a0b0; font-weight: bold; font-style: italic; } /* Warning */
 </style>
 
-<link rel="stylesheet" href="css\style.css" type="text/css" />
+<link rel="stylesheet" href="css/style.css" type="text/css" />
 </head>
 
 <body>
@@ -334,7 +337,7 @@
 <li class="chapter" data-level="19.2.1" data-path="effect-model.html"><a href="effect-model.html#일반적인-imax-model-vs.-sigmoid-imax-model"><i class="fa fa-check"></i><b>19.2.1</b> 일반적인 I<sub>max</sub> model vs. Sigmoid I<sub>max</sub> model</a></li>
 <li class="chapter" data-level="19.2.2" data-path="effect-model.html"><a href="effect-model.html#다중-약물결합-모델multiple-binding-site-model"><i class="fa fa-check"></i><b>19.2.2</b> 다중 약물결합 모델(multiple binding site model)</a></li>
 </ul></li>
-<li class="chapter" data-level="19.3" data-path="cov.html"><a href="cov.html#결론"><i class="fa fa-check"></i><b>19.3</b> 결론</a></li>
+<li class="chapter" data-level="19.3" data-path="effect-model.html"><a href="effect-model.html#결론-1"><i class="fa fa-check"></i><b>19.3</b> 결론</a></li>
 </ul></li>
 <li class="chapter" data-level="20" data-path="delayed-effect.html"><a href="delayed-effect.html"><i class="fa fa-check"></i><b>20</b> 지연효과 모델</a>
 <ul>
@@ -410,20 +413,20 @@ <h2><span class="header-section-number">7.2</span> $PRED를 써야 하는 경우
 <div class="example">
 <span id="exm:formula" class="example"><strong>코드 7.1  </strong></span>약력학 모델과 같이 다양한 수식들을 써야 하는 경우 ADVAN 보다는 $PRED 블록 안에서 수식을 직접 적어주는 것이 편리하다.
 </div>
-<div class="sourceCode" id="cb29"><pre class="sourceCode perl"><code class="sourceCode perl"><span id="cb29-1"><a href="PRED.html#cb29-1" aria-hidden="true"></a><span class="dt">$PROB</span> Sigmoidal PD Model</span>
-<span id="cb29-2"><a href="PRED.html#cb29-2" aria-hidden="true"></a><span class="dt">$DATA</span> ..<span class="kw">/</span><span class="ot">sigmoidal_effect.csv IGNORE=@</span></span>
-<span id="cb29-3"><a href="PRED.html#cb29-3" aria-hidden="true"></a><span class="dt">$INPUT</span><span class="ot"> ID CP RESP=DV</span></span>
-<span id="cb29-4"><a href="PRED.html#cb29-4" aria-hidden="true"></a><span class="dt">$PRED</span></span>
-<span id="cb29-5"><a href="PRED.html#cb29-5" aria-hidden="true"></a>  E0=THETA(<span class="dv">1</span>) ; Baseline</span>
-<span id="cb29-6"><a href="PRED.html#cb29-6" aria-hidden="true"></a>  EMAX=THETA(<span class="dv">2</span>) ; Max Effect</span>
-<span id="cb29-7"><a href="PRED.html#cb29-7" aria-hidden="true"></a>  C50=THETA(<span class="dv">3</span>)<span class="dt">*EXP</span>(ETA(<span class="dv">1</span>)) ; C50</span>
-<span id="cb29-8"><a href="PRED.html#cb29-8" aria-hidden="true"></a>  ; only parameter with interindividual variability</span>
-<span id="cb29-9"><a href="PRED.html#cb29-9" aria-hidden="true"></a>  GAM=THETA(<span class="dv">4</span>) ; Gamma</span>
-<span id="cb29-10"><a href="PRED.html#cb29-10" aria-hidden="true"></a>  ; <span class="kw">do</span> <span class="kw">not</span> add an ETA to this - very hard to fit</span>
-<span id="cb29-11"><a href="PRED.html#cb29-11" aria-hidden="true"></a>  IPRD=E0+(EMAX-E0)<span class="dt">*CP</span>*<span class="dt">*GAM</span>/(CP*<span class="dt">*GAM</span>+C50*<span class="dt">*GAM</span>)</span>
-<span id="cb29-12"><a href="PRED.html#cb29-12" aria-hidden="true"></a>  Y=IPRD+EPS(<span class="dv">1</span>)</span>
-<span id="cb29-13"><a href="PRED.html#cb29-13" aria-hidden="true"></a><span class="dt">$THETA</span></span>
-<span id="cb29-14"><a href="PRED.html#cb29-14" aria-hidden="true"></a>...</span></code></pre></div>
+<div class="sourceCode" id="cb29"><pre class="sourceCode perl"><code class="sourceCode perl"><span id="cb29-1"><a href="PRED.html#cb29-1" aria-hidden="true" tabindex="-1"></a><span class="dt">$PROB</span> Sigmoidal PD Model</span>
+<span id="cb29-2"><a href="PRED.html#cb29-2" aria-hidden="true" tabindex="-1"></a><span class="dt">$DATA</span> ..<span class="ot">/sigmoidal_effect.csv IGNORE=@</span></span>
+<span id="cb29-3"><a href="PRED.html#cb29-3" aria-hidden="true" tabindex="-1"></a><span class="dt">$INPUT</span><span class="ot"> ID CP RESP=DV</span></span>
+<span id="cb29-4"><a href="PRED.html#cb29-4" aria-hidden="true" tabindex="-1"></a><span class="dt">$PRED</span></span>
+<span id="cb29-5"><a href="PRED.html#cb29-5" aria-hidden="true" tabindex="-1"></a>  E0=THETA(<span class="dv">1</span>) ; Baseline</span>
+<span id="cb29-6"><a href="PRED.html#cb29-6" aria-hidden="true" tabindex="-1"></a>  EMAX=THETA(<span class="dv">2</span>) ; Max Effect</span>
+<span id="cb29-7"><a href="PRED.html#cb29-7" aria-hidden="true" tabindex="-1"></a>  C50=THETA(<span class="dv">3</span>)<span class="dt">*EXP</span>(ETA(<span class="dv">1</span>)) ; C50</span>
+<span id="cb29-8"><a href="PRED.html#cb29-8" aria-hidden="true" tabindex="-1"></a>  ; only parameter with interindividual variability</span>
+<span id="cb29-9"><a href="PRED.html#cb29-9" aria-hidden="true" tabindex="-1"></a>  GAM=THETA(<span class="dv">4</span>) ; Gamma</span>
+<span id="cb29-10"><a href="PRED.html#cb29-10" aria-hidden="true" tabindex="-1"></a>  ; <span class="kw">do</span> <span class="ot">not</span> add an ETA to this - very hard to fit</span>
+<span id="cb29-11"><a href="PRED.html#cb29-11" aria-hidden="true" tabindex="-1"></a>  IPRD=E0+(EMAX-E0)<span class="dt">*CP</span>*<span class="dt">*GAM</span>/(CP*<span class="dt">*GAM</span>+C50*<span class="dt">*GAM</span>)</span>
+<span id="cb29-12"><a href="PRED.html#cb29-12" aria-hidden="true" tabindex="-1"></a>  Y=IPRD+EPS(<span class="dv">1</span>)</span>
+<span id="cb29-13"><a href="PRED.html#cb29-13" aria-hidden="true" tabindex="-1"></a><span class="dt">$THETA</span></span>
+<span id="cb29-14"><a href="PRED.html#cb29-14" aria-hidden="true" tabindex="-1"></a>...</span></code></pre></div>
 
 </div>
 </div>