<![CDATA[Pendekatan berbasis populasi menggunakan modeling populasi memiliki keunggulan dibandingkan analisis konvensional yang memerlukan data lebih banyak, memerlukan sampling dengan beberapa titik wakti, tidak dapat dianalisis dengan data yang terbatas, tidak terstruktur karena tidak linear, atau terdapat banyak variasi individu. Proses kalkulasi pada modeling populasi dapat mengestimasi nilai populasi setiap parameter model secara langsung beserta nilai variabilitas antar-subyek untuk setiap parameter dalam populasi tersebut. Modeling populasi dapat menganalisis seluruh populasi sebagai satu kesatuan sehingga memungkinkan menggunakan sparse data atau data yang tidak lengkap/terbatas pada satu subyek, namun dilengkapi dan dikontribusikan oleh data yang diambil dari subyek lain dalam populasi. Serta tidak memerlukan penjadwalan sampling yang terstruktur.Modeling populasi dikenal sebagai model nonlinear mixed effect yang merupakan pendekatan single-stage pada populasi untuk mengestimasi seluruh parameter farmakokinetik dan hubungannya dengan kovariat dalam populasi. Parameter populasi diestimasi dengan cara memfitting kombinasi data dari semua individu dan mengabaikan variasi individu, atau memfitting setiap data individu dan mengkombinasi parameter individu untuk mengestimasi parameter populasi.Pendekatan populasi memerlukan software khusus yang mempunyai kapabilitas untuk melakukan proses komputasi kompleks untuk memperhitungkan parameter populasi dan variabilitas antar-subyek yang akan menentukan besaran parameter per-individu subyek. Beberapa software khusus yang dapat digunakan untuk modeling populasi, antara lain NONMEM, MONOLIX, WinBUGS/PKBUGS, Pmetrics, Kinetica, Phoenix NLME, dan S-ADAPT. Perbedaan dari software-software tersebut pada pendekatan algoritma komputasi. Namun, umumnya memiliki hasil kalkulasi yang hampir serupa.]]>
Copyrights © 2020
