- Oggetto:
- Oggetto:
Principi di farmacometrìa
- Oggetto:
PRINCIPLES OF PHARMACOMETRICS
- Oggetto:
Anno accademico 2017/2018
- Codice dell'attività didattica
- STF0031
- Docente
- Prof. Gianluca MIGLIO (Titolare del corso)
- Corso di studi
- [f003-c504] laurea magistrale in chimica e tecnologia farmaceutiche - a torino
- Anno
- 4° anno
- Tipologia
- A scelta dello studente
- Crediti/Valenza
- 3
- SSD dell'attività didattica
- BIO/14 - farmacologia
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Consigliata
- Tipologia d'esame
- Scritto ed orale
- Prerequisiti
-
Conoscenza della farmacologia, della matematica e specialmente della statistica.
Knowledge about pharmacology and mathematics, especially statistics. - Propedeutico a
-
Nessun altro corso
None - Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Gli obiettivi formativi del Corso di Laurea in Chimica e Tecnologia Farmaceutiche sono supportate da questo insegnamenti che fornisce una visione d'insieme dei metodi e modellazione e simulazione applicati al processo di sviluppo dei farmaci.
The learning objective of the master degree course in Chemistry and Pharmaceutical Technologies is supported by this course which provides an overview of the modelling and simulation methods applied in the drug development process.
- Oggetto:
Risultati dell'apprendimento attesi
Durante l'insegnamento, gli studenti dovranno migliorare le loro capacitò di analizzare e interpretare i dati. A termine dell'insegnamento, li studenti dovranno conoscere:
- Le basi teoriche della farmacologia analitica quantitativa.
- I metodi e gli stumenti impiegati nella modellazione e simulazione farmacostatistica.
Inoltre, gli studenti dovranno essere in grado di preparare e revisionare un report di farmacometria.
Throughout this course, students will improve their practical skills regarding to the data analysis and interpretation. By the end of it, students have to know:
- Theoretical background of quantitative pharmacology.
- Methods and tools employed in pharmacostatistical modelling and simulation.
In addition, students must to be able to prepare and review a modelling report.
- Oggetto:
Modalità di insegnamento
L'insegmaneto si compone di 18 lezioni (2 h-each) programmate secondo il calendario accademico.
The course consists of 18 lectures (2 h-each) scheduled according to the academic agenda.
- Oggetto:
Modalità di verifica dell'apprendimento
L'insegmaneto si compone di 40 lezioni (2 h-each) programmate secondo il calendario accademico.
Preparation and exposure (written and oral presentation) od a project assigned by the teacher.
- Oggetto:
Programma
LEZIONI
• Farmacometria e sviluppo dei farmaci basato sui modelli.
• Tipo di modelli. Proprietà dei modelli utili. Il processo di sviluppo di modelli. Criteri e metriche di buona qualità. Residui e analisi dei residui. Validazione di modelli.
• Modelli lineari, non lineari e regressione. Modelli di varianza. Casi studio.
• Modelli farmacocinetici. Modelli farmacodinamici. Modelli farmacocinetici-farmacodinamici. Casi studio.
• Modelli di progressione di malattia. Casi studio.
• Metodi di stima dei parametri da popolazione. Una panoramica su "linear mixed effects models", "nonlinear mixed effects models", modellazione Bayesiana con i metodi Markov Chain Monte Carlo.
• Biomarkers, endpoint surrogati ed endpoint clinici. Il processo di "surrogacy". Casi studio.
• Principi di simulazione. Tipi di simulazione. Generazione di variabili casuali. Simulazione di sperimentazioni clinica. Casi studio.
• Farmacometria nel processo regolatorio. Casi studio.ESERCITAZIONI
• Introduzione al software R. Principi generali di programmazione.
• Analisi dei dati con R. Input/output. Accesso e gestione gestione di sottoinsiemi di dati. Funzioni semplici. Strumenti grafici di base. Loop e funzioni. Casi studio.
• Analisi di dati farmacocinetici e farmacodinamici con R. Casi studio.
• Simulazioni con R. Simulazioni deterministiche e stocastiche. Casi studio.LECTURES
• Pharmacometrics and model-based drug development.
• Type of models. Properties of useful models. The model development process. Goodness-of-fit criteria and metrics. Residuals and residual analysis. Model validation.
• Linear and nonlinear models and regression. Variance models. Case studies.
• Pharmacokinetic models. Pharmacodynamic models. Pharmacokinetic-pharmacodynamic models. Case studies.
• Models of disease progression. Case studies.
• Population estimation methods. An overview on linear mixed effects models, nonlinear mixed effects models and Bayesian modelling with Markov Chain Monte Carlo methods.
• Biomarkers, surrogate endpoints and clinical endpoints. The surrogacy process. Case studies.
• Principles of Simulation. Types of simulation. Rrandom variate generation. Clinical trial simulation. Case studies.
• Pharmacometrics in the Regulatory process. Case studies.PRACTICAL EXERCISES
• Introduction to the R software. General principles of programming.
• Data analysis using R. Input and Output. Accessing variables and managing subsets of data. Simple functions. Basic plotting tools. Loops and functions. Case studies.
• Analysis of pharmacokinetic and pharmacodynamic data with R. Case studies.
• Simulations with R. Deterministic and stochastic simulations. Case studies.Testi consigliati e bibliografia
- Oggetto:
Materiale fornito dal docento.
Pharmacokinetic and Pharmacodynamic Data Analysis: Concepts and Applications
Autore: Johan Gabrielsson, Daniel WeinerEdizione: 4
Casa editrice: Swedish Pharmaceutical Press
ISBN: 9197651001Material provided by the teacher.
Pharmacokinetic and Pharmacodynamic Data Analysis: Concepts and Applications
Autore: Johan Gabrielsson, Daniel WeinerEdizione: 4
Casa editrice: Swedish Pharmaceutical Press
ISBN: 9197651001- Oggetto:
