DOI: https://doi.org/10.1007/s11538-025-01583-2
PMID: https://pubmed.ncbi.nlm.nih.gov/41530617
تاريخ النشر: 2026-01-14
المؤلف: T. Cassidy وآخرون
الموضوع الرئيسي: طرق إحصائية في التجارب السريرية
نظرة عامة
في هذا القسم، يناقش المؤلفون تطبيق النمذجة الرياضية في تحليل بيانات التجارب السريرية، مع التأكيد على الانتقال من ملاءمة المعلمات المستندة إلى الأفراد إلى نهج هرمي. يسمح هذا الأسلوب الهرمي بتوصيف توزيعات معلمات السكان، وهو شائع بشكل خاص في نمذجة الأدوية. ومع ذلك، يشير المؤلفون إلى أن التقنيات الحالية لتقييم قابلية التعرف على المعلمات غالبًا ما لا تنتقل بسلاسة من الأطر المستندة إلى الأفراد إلى الأطر الهرمية.
لمعالجة هذه الفجوة، يقترح المؤلفون نهجًا غير معلمي يهدف إلى فحص القابلية العملية للتعرف في سياق تقدير المعلمات الهرمية. يركزون بشكل خاص على إطار التأثيرات المختلطة غير الخطية ويقدمون رؤى من خلال مثالين راسخين من أدبيات الأدوية والديناميات الفيروسية، مما يوضح المزايا المحتملة لمنهجيتهم المقترحة.
مقدمة
في مقدمة هذه الورقة البحثية، يؤكد المؤلفون على أهمية النمذجة الرياضية في تفسير بيانات التجارب السريرية، مع تسليط الضوء على التحدي المتمثل في تقدير معلمات النموذج التي تمثل آليات بيولوجية متميزة للمشاركين الأفراد. يشيرون إلى أنه بينما تركز الأساليب التقليدية على تخصيص المعلمات الفردية، يتم استخدام تقنيات النمذجة الهرمية، مثل نماذج التأثيرات المختلطة غير الخطية (NLME)، بشكل متزايد لالتقاط التباين بين الأفراد وتقدير توزيعات معلمات مستوى السكان. يتطلب هذا التحول فهمًا أعمق لقابلية التعرف على هذه النماذج، حيث تتناول التقنيات الحالية بشكل أساسي الديناميات على مستوى الأفراد.
يقترح المؤلفون نهجًا غير معلمي جديد لتقييم القابلية العملية للتعرف على نماذج NLME، بهدف التمييز بين توزيعات السكان المقدرة بدلاً من تحديد مساواتها الدقيقة. يستخدمون اختبار كولموغوروف-سميرنوف لاختبار العينتين ومؤشر التداخل لتقييم الفروقات الإحصائية بين التوزيعات على كل من مستويات الأفراد والسكان. توضح الورقة هذه المنهجية باستخدام نموذج فريبيرغ لفقر الدم الناتج عن العلاج الكيميائي ونموذج الديناميات الفيروسية القياسي، مما يوضح أنه بينما يمكن التعرف على نموذج فريبيرغ على مستوى السكان، فإن نموذج الديناميات الفيروسية القياسي يبقى عمليًا غير قابل للتعرف عليه على الرغم من ملاءمته الجيدة لبيانات مستوى السكان. ستتناول الأقسام التالية النماذج، وتوليد البيانات الاصطناعية، ونهج القابلية المقترح.
الطرق
يستعرض قسم “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. يوضح معايير اختيار المشاركين، والتدخلات المحددة التي تم إدارتها، والأدوات المستخدمة لجمع البيانات. تم إجراء التحليلات الإحصائية باستخدام برامج مناسبة لضمان صحة وموثوقية النتائج، مع تحديد مستويات الدلالة عند p < 0.05. بالإضافة إلى ذلك، يصف القسم النماذج الرياضية المطبقة لتفسير البيانات، بما في ذلك أي معادلات أو خوارزميات ذات صلة. تؤكد المنهجية على إمكانية إعادة الإنتاج، موضحة الخطوات المتخذة لتقليل التحيز والسيطرة على المتغيرات المربكة. بشكل عام، تم تصميم الطرق المستخدمة لاختبار الفرضيات بدقة والمساهمة في قوة النتائج.
النتائج
في هذا القسم، يبني المؤلفون على النتائج السابقة المتعلقة بقابلية التعرف الهيكلي على نموذج فريبيرغ، كما تم تحديده بواسطة إيفانز وآخرون (2018)، والذي أشار إلى أن النموذج قابل للتعرف تحت ظروف معينة، وهي عندما تتوافق الظروف الأولية مع التوازن وتكون معدلات النضوج ($k_{tr}$) والتكاثر ($k_{prol}$) متساوية. يجادل المؤلفون ضد فرض الافتراض $k_{tr} = k_{prol}$ بسبب نقص المبررات البيولوجية، مما يؤدي إلى الاستنتاج بأن معلمات النموذج غير قابلة للتعرف عليها هيكليًا على مستوى الأفراد.
يقدم المؤلفون نتائج جديدة توضح أن نموذج فريبيرغ قابل للتعرف عليه على مستوى السكان. يحددون ثلاثة حد أدنى محلي متميز لقيمة الاحتمالية اللوغاريتمية، مع ملاءمات تتوافق مع الحد الأدنى العالمي التي تعيد التقاط توزيعات السكان المعروفة للمعلمات مثل $N_0$، $k_{tr}$، $k_{prol}$، و$\log_{10}(EC_{50})$. بالإضافة إلى ذلك، يقيمون قابلية التعرف على النموذج مع حجم عينة مخفضة من خمسة مشاركين افتراضيين، ويجدون أنه بينما يتم التقاط الديناميات الفردية، يظهر توزيع السكان لـ $\log_{10}(EC_{50})$ اختلافات كبيرة، مما يشير إلى قابلية أقل للتعرف مقارنة بالمعلمات الأخرى. بشكل عام، تشير النتائج إلى أنه بينما يمكن لنموذج فريبيرغ تقدير معلمات مستوى السكان بفعالية، قد تظل بعض المعلمات أقل قابلية للتعرف مع أحجام عينات أصغر.
المناقشة
تم توسيع نموذج فريبيرغ لفقر الدم الناتج عن العلاج الكيميائي، الذي تم تأسيسه كإطار شبه آلي لفهم ديناميات العدلات، لفصل معدل تكاثر سلف العدلات عن معدل نضوجها. يسمح هذا التقدم، الذي اقترحه كامارا دي سوزا وآخرون (2018)، بتمثيل أكثر دقة للسمية الدموية من خلال تقديم نموذج عام يتضمن معدلات متميزة للتكاثر والنضوج، مما يعزز قابلية تطبيق النموذج عبر سلالات دموية مختلفة. يتضمن هيكل النموذج معادلات تحكم ديناميات السلف المتكاثرة، وأقسام النضوج، وتركيزات العدلات الدائرة، التي تتأثر بالعلاج الكيميائي من خلال نموذج Emax الذي quantifies تثبيط تكاثر سلف العدلات.
في سياق تقدير المعلمات، تم استخدام بيانات اصطناعية تم إنشاؤها من مجموعة افتراضية من المشاركين الذين يتلقون العلاج الكيميائي لتقييم قابلية التعرف على النموذج. كشفت التحليلات أن نموذج فريبيرغ قابل للتعرف عليه على مستوى السكان، كما يتضح من ملاءمة بيانات العدلات الاصطناعية للنموذج، مما أسفر عن حد أقصى محلي متميز في قيم الاحتمالية اللوغاريتمية. أظهرت تحليلات جودة الملاءمة أنه بينما أظهرت بعض الملاءمات الفردية ديناميات مشابهة، أظهرت أخرى اختلافات ملحوظة، خاصة في المعلمات المتعلقة بالتكاثر والتثبيط. تم استخدام اختبارات إحصائية، بما في ذلك اختبار كولموغوروف-سميرنوف، لتقييم أهمية الفروقات في تقديرات المعلمات عبر ملاءمات النموذج، مما يؤكد قوة النموذج في التقاط الديناميات الأساسية لفقر الدم الناتج عن العلاج الكيميائي.
DOI: https://doi.org/10.1007/s11538-025-01583-2
PMID: https://pubmed.ncbi.nlm.nih.gov/41530617
Publication Date: 2026-01-14
Author(s): T. Cassidy et al.
Primary Topic: Statistical Methods in Clinical Trials
Overview
In this section, the authors discuss the application of mathematical modeling in analyzing clinical trial data, emphasizing the shift from individual-based parameter fitting to a hierarchical approach. This hierarchical method allows for the characterization of population parameter distributions, which is particularly prevalent in pharmacometric modeling. However, the authors note that existing techniques for assessing parameter identifiability often do not seamlessly transition from individual-based to hierarchical frameworks.
To address this gap, the authors propose a nonparametric approach aimed at examining practical identifiability within the context of hierarchical parameter estimation. They specifically focus on the nonlinear mixed effects framework and provide insights through two well-established examples from pharmacometrics and viral dynamics literature, demonstrating the potential advantages of their proposed methodology.
Introduction
In the introduction of this research paper, the authors emphasize the significance of mathematical modeling in interpreting clinical trial data, highlighting the challenge of estimating model parameters that represent distinct biological mechanisms for individual participants. They note that while traditional approaches focus on individual parameterization, hierarchical modeling techniques, such as nonlinear mixed effects (NLME) models, are increasingly utilized to capture inter-individual variability and estimate population-level parameter distributions. This shift necessitates a deeper understanding of the identifiability of these models, as existing techniques primarily address individual-level dynamics.
The authors propose a novel nonparametric approach to assess the practical identifiability of NLME models, aiming to distinguish between estimated population distributions rather than determining their precise equality. They employ the Kolmogorov-Smirnov two-sample test and the overlapping index to evaluate the statistical differences between distributions at both individual and population levels. The paper illustrates this methodology using the Friberg model of chemotherapy-induced neutropenia and the standard viral dynamics model, demonstrating that while the Friberg model can be identified at the population level, the standard viral dynamics model remains practically unidentifiable despite fitting population-level data well. The subsequent sections will elaborate on the models, synthetic data generation, and the proposed identifiability approach.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the selection criteria for participants, the specific interventions administered, and the tools used for data collection. Statistical analyses were conducted using appropriate software to ensure the validity and reliability of the results, with significance levels set at p < 0.05. Additionally, the section describes the mathematical models applied to interpret the data, including any relevant equations or algorithms. The methodology emphasizes reproducibility, detailing the steps taken to minimize bias and control for confounding variables. Overall, the methods employed are designed to rigorously test the hypotheses and contribute to the robustness of the findings.
Results
In this section, the authors build upon prior findings regarding the structural identifiability of the Friberg model, as established by Evans et al. (2018), which indicated that the model is identifiable under specific conditions, namely when the initial conditions correspond to equilibrium and the rates of maturation ($k_{tr}$) and proliferation ($k_{prol}$) are equal. The authors argue against imposing the assumption $k_{tr} = k_{prol}$ due to a lack of biological justification, leading to the conclusion that the model parameters are structurally unidentifiable at the individual level.
The authors present new results demonstrating that the Friberg model is identifiable at the population level. They identify three distinct local minima of the log-likelihood, with fits corresponding to global minima effectively recapturing the known population distributions for parameters such as $N_0$, $k_{tr}$, $k_{prol}$, and $\log_{10}(EC_{50})$. Additionally, they assess the model’s identifiability with a reduced sample size of five virtual participants, finding that while individual dynamics are captured, the population distribution of $\log_{10}(EC_{50})$ shows significant differences, indicating poorer identifiability compared to the other parameters. Overall, the results suggest that while the Friberg model can effectively estimate population-level parameters, certain parameters may remain less identifiable with smaller sample sizes.
Discussion
The Friberg model of chemotherapy-induced neutropenia, established as a semi-mechanistic framework for understanding neutrophil dynamics, has been extended to decouple the proliferation rate of neutrophil precursors from their maturation rate. This advancement, proposed by Câmara De Souza et al. (2018), allows for a more accurate representation of hematopoietic toxicity by introducing a generalized model that incorporates distinct rates for proliferation and maturation, thereby enhancing the model’s applicability across various hematopoietic lineages. The model’s structure includes equations governing the dynamics of proliferating precursors, maturation compartments, and circulating neutrophil concentrations, which are influenced by chemotherapy through an Emax model that quantifies the inhibition of neutrophil precursor proliferation.
In the context of parameter estimation, synthetic data generated from a virtual population of participants receiving chemotherapy were used to assess the model’s identifiability. The analysis revealed that the Friberg model is identifiable at the population level, as evidenced by the fitting of synthetic neutrophil data to the model, yielding distinct local maxima in log-likelihood values. The goodness-of-fit analysis indicated that while some individual fits exhibited similar dynamics, others displayed notable differences, particularly in parameters related to proliferation and inhibition. Statistical tests, including the Kolmogorov-Smirnov test, were employed to evaluate the significance of differences in parameter estimates across model fits, confirming the robustness of the model in capturing the underlying dynamics of chemotherapy-induced neutropenia.