微分方程建模实例:对药剂量开处方
来源:互联网 发布:误会 知乎 编辑:程序博客网 时间:2024/04/30 00:49
对于制药人员而言,决定一种药什么时候吃一次吃多少是一件非常严肃的问题。当体内的药物浓度高于一定值会给人体带来伤害,过低又起不到治病的效果。所以产生了如下问题:
药的剂量和给药间隔应该如何调节,才能保证体内的药物浓度处于一个安全有效的范围内?
对于单次用药在血液中的浓度水平变化,很自然的是随着时间的变化,逐渐减少,最后从体内完全代谢干净。而我们关心的是,在正规的用药间隔内,血液中的药物浓度的变化情况。
对于这个问题,我们事先定义以下变量
H→ 药物的最高安全量级L→ 药物的最低有效量级C0→ 所开的药物量级
理想的给药浓度和给药时间间隔应该如下图所示:
每次服药的时候,药物浓度剩余量恰好为
假设
为了解决这个问题,我们需要考虑任一
这个模型当然可以一直的列下去,但是我们没有能力也没有办法去进行求解。所以我们需要将一切尽量的简化。我们将体重,年龄等这些因素设为一个常数。而浓度是决定药物效果的关键因素,吸收率和排出率决定了浓度的变化情况,所以我们接下来就对其进行探索。
排出率子模型
临床显示,血液中药物浓度的减少与浓度是成一定比例的,用数学语言来描述则是,药物浓度的减少与浓度是成一定比例的。即,如果我们假设血液中药物在
这里的
方程中的各种量的单位如下
- 时刻
t 以小时(hr )为单位 C(t) 以每毫升血液多少毫克(mg/ml) 为单位C′(t) 则为mgml−1hr−1 k 为hr−1
对于一个给定的群体,
若我们假设
我们对该模型进行积分求解,可以得到
将初始浓度
吸收率子模型
在探索完排出率子模型后,我们来对吸收率子模型进行建模。为了方便起见,我们认为,用药之后,药物浓度在体内能够迅速扩散,反应到数学上,即,服药之后,药物浓度的变化为一条竖直上升的直线。
我们假设
药物在血液中的积累方式如下图所示:
现在,我们来确定第
由表我们可以得到下式
其中
或
所以,如果我们每
确定用药时间
从剩余药物浓度计算表中我们能够知道第
如果期望药物的浓度接近于最高浓度
由上式和
为了检验不同的用药时间间隔
我们知道,每次的
所以有了两种情况。
- 用药间隔
T 足够大
当用药间隔T 足够大的时候,比值R/C0 会接近于0,这就说明每次的用药剩余浓度几乎为零。于是,每次用药都是独立的,那么对于体内的药物浓度曲线将如下图。 - 用药间隔
T 很短
当用药间隔T 很短,恰好使得ekT 稍大于1,这就使得R/C0 远大于1。因为Rn 越大,每次用药后的浓度Cn 也就越大,这时的排出率也会越大。当一定的间隔之后,每次用药的浓度排除量会接近于每次得到的浓度C0 的增加。这时候开始,体内的药物浓度会在间隔结束时的R 和开始时的R+C0 之间摆动。药物的浓度曲线会如下图所示:
结论
当药物浓度恰好处于
我们可以得到
对上式的两边取对数再除以
所以我们能够得到最后的结论。
再第一次给药时,应该使得药物浓度能够得到
- 微分方程建模实例:对药剂量开处方
- 微分方程建模
- 建模之微分方程
- 微分方程在建模中的应用
- MATLAB数学建模(8)-常微分方程求解
- 在厨房中开“处方”
- 人机交互量测同名点程序--双像三维建模小软件开发实例(四)
- 微分方程在建模中的应用(建立差分模型)
- 【数学建模知识】常微分方程数值解:欧拉公式
- 开一张企业网安处方
- sql 药剂--continue update
- 一个UML建模实例
- [UML]对注释建模
- 对“问题”建模
- 对权限管理建模
- 彼得处方
- 常见病-处方
- 处方导入
- HDU1864 最大报销费用(01背包)
- Hello World!
- 线性方法求欧拉数-POJ2478
- 机器学习常见算法汇总
- JQuery实现的简单城市间二级联动
- 微分方程建模实例:对药剂量开处方
- linux下jdk安装
- 机器学习中常见的几种归一化方法以及原因
- 通过字节码扒一扒java编译器瞒着我们做了什么(2)
- 配置ssh免密码登录
- PAT 1042字符统计
- int ,long,longlong的取值范围
- hdu5371
- 原生php验证码