Exact Gradients Improve Parameter Estimation in Nonlinear Mixed Effects Models with Stochastic Dynamics
Poster (konferens), 2017

Nonlinear mixed effects (NLME) models based on stochastic differential equations (SDEs) have evolved into a mature approach for analysis of PKPD data [1-3], but parameter estimation remains challenging. We present an exact-gradient version of the first order conditional estimation (FOCE) method for SDE-NLME models, and investigate whether it enables faster estimation and better gradient precision/accuracy compared to finite difference gradients.

Författare

Helga Kristin Olafsdottir

Göteborgs universitet

Chalmers, Matematiska vetenskaper

Jacob Leander

Göteborgs universitet

Chalmers, Matematiska vetenskaper

Joachim Almquist

Chalmers, Biologi och bioteknik, Systembiologi

Mats Jirstrand

Stiftelsen Fraunhofer-Chalmers Centrum för Industrimatematik

American conference on pharmacometrics 2017 (ACoP8)
Fort Lauderdale, ,

Styrkeområden

Informations- och kommunikationsteknik

Livsvetenskaper och teknik

Ämneskategorier

Beräkningsmatematik

Sannolikhetsteori och statistik

Fundament

Grundläggande vetenskaper

DOI

10.1007/s10928-017-9536-y

Mer information

Senast uppdaterat

2018-08-24