Todo lo que hace PK-Bayes, explicado con ejemplos reales

A partir de una o dos muestras de sangre (niveles plasmáticos de pico o valle), el algoritmo calcula en segundos los parámetros individuales exactos de depuración (CL) y volumen de distribución (Vd) del paciente, ajustando el modelo poblacional a su realidad fisiológica.

• Combina el prior poblacional (literatura o local) con los niveles medidos del paciente
• Se recalcula cada vez que llega un nuevo laboratorio o nivel plasmático
• Aplica automáticamente el modelo correspondiente según el fármaco (2-compartimentos, 1-compartimento o Michaelis-Menten)

Una capa retrospectiva que evalúa, de forma no invasiva, qué tan precisos son los modelos clínicos de la literatura frente a los pacientes reales del hospital — reportando métricas de precisión (RMSE) y sesgo (MPE) para guiar la recalibración.

Esto permite a farmacometristas detectar si, por ejemplo, un modelo publicado sobrestima o subestima sistemáticamente el aclaramiento en su población específica de pacientes.

Combina modelos estándar de la literatura con un motor adaptativo local. Clasifica a los pacientes en 12 estratos de función renal y, tras acumular 10 casos válidos en un estrato, el hospital puede calibrar sus propios modelos de población locales (priors mixtos).

• 12 estratos según función renal del paciente
• Umbral mínimo de 10 casos válidos por estrato para calibrar
• El prior mixto combina literatura + datos locales según confianza estadística

Exporta datasets estructurados con formato compatible para herramientas de modelado avanzado como NONMEM y Monolix — en formato .csv con compatibilidad de codificación inmediata para Excel, incluyendo covariables dinámicas en el tiempo.

Ideal para farmacometristas que necesitan pasar de datos clínicos crudos a un dataset listo para modelado poblacional, sin trabajo manual de limpieza.