Davide Verotta
La sélection de modèles de covariables pour les modèles PK/PD de population représente une tâche ardue en raison de la grande variété de covariables alternatives possibles qui peuvent entrer dans un modèle structurel, des différents modèles qui peuvent exprimer le paramètre de relation/les covariables et du nombre de modèles alternatifs qui peuvent être pris en compte. Après avoir décrit le problème et passé brièvement en revue la littérature passée consacrée à la solution du problème, nous utilisons des simulations pour montrer les limites des approches actuelles et proposons une alternative basée sur l'utilisation séquentielle de modèles transdimensionnels bayésiens. Bien que l'alternative atténue le problème de dimensionnalité associé à la sélection des covariables, nous soutenons que l'approche globale de la modélisation des covariables dans les modèles PKPD pourrait devoir être reconsidérée.