凌靜 蔣艷 鄒素蘭 胡楠

中圖分類號 R978.1；R969.1 文獻標志碼 A 文章編號 1001-0408（2018）20-2821-07

DOI 10.6039/j.issn.1001-0408.2018.20.19

摘 要 目的：建立萬古霉素群體藥動學（PPK）模型，并評價胱抑素C（Cys C）對萬古霉素藥動學參數(shù)的影響。方法：回顧性收集225例使用萬古霉素治療患者的333次治療藥物監(jiān)測（TDM）數(shù)據(jù)，以其性別（Sex）、年齡（Age）、體質(zhì)量（mT）、血肌酐（Scr）、Cys C等為協(xié)變量，采用非線性混合效應模型法建立萬古霉素PPK模型，并采用自舉法（Bootstrap）和正態(tài)化預測分布誤差法（NPDE）進行模型的內(nèi)部驗證。另收集27例患者的40次TDM數(shù)據(jù)進行模型的外部驗證，以平均預測誤差（MPE）和均方根誤差（RMSE）考察模型預測的準確度與精密度。以最終模型預測典型患者（年齡65歲，體質(zhì)量64 kg，Scr水平為66 μmol/L，給藥方案為1 000 mg，q12 h）在不同Cys C水平時的穩(wěn)態(tài)血藥谷濃度和表觀清除率（CL/F），評估Cys C的變化對萬古霉素藥動學參數(shù)的影響。結(jié)果：患者的年齡、體質(zhì)量以及Scr、Cys C水平均可顯著影響萬古霉素的CL/F。最終模型為，表觀分布容積（V/F）為82.5 L。Bootstrap法驗證的穩(wěn)健率為100%；除V/F個體間變異外，其余藥動學參數(shù)的相對偏差均小于5%，且最終模型參數(shù)估算值均落在Bootstrap法參數(shù)估算值的95%置信區(qū)間內(nèi)；NPDE檢驗顯示其方差齊性且符合正態(tài)分布（P>0.05）。外部驗證得最簡模型的MPE為-1.52 μg/mL、RMSE為6.87 μg/mL，最終模型的MPE為-0.32 μg/mL、RMSE為4.27 μg/mL，后者預測的準確度與精密度均顯著提高。當?shù)湫突颊叩腃ys C為0.3～4.0 mg/L時，最終模型預測的穩(wěn)態(tài)血藥谷濃度為5.25～29.97 μg/mL，CL/F為1.45～8.71 L/h。結(jié)論：患者的年齡、體質(zhì)量以及Scr、Cys C水平均可顯著影響萬古霉素的藥動學參數(shù)，且Cys C水平的變化可造成患者體內(nèi)萬古霉素血藥濃度的改變。本研究建立的PPK模型具有一定的代表性，可用于萬古霉素個體化藥動學參數(shù)的估算。

關鍵詞 萬古霉素；群體藥動學；胱抑素C；非線性混合效應模型法；藥動學參數(shù)

ABSTRACT OBJECTIVE： To establish population pharmacokinetics （PPK） model of vancomycin so as to evaluate the effects of cystatin C （Cys C）on the pharmacokinetics parameters of vancomycin. METHODS： Totally 333 times therapeutic drug monitoring （TDM） were retrospectively collected from 225 patients who received vancomycin. Using sex， age， body weight（mT）， Scr and Cys C as covariates， PPK model was established by using nonlinear mixed effect model method. Bootstrap method and normal prediction distribution error （NPDE） method were adopted for internal validation of model. Forty times of TDM data were collected from other 27 patients for external validation. Predicted accuracy and precision of model were investigated with mean prediction error （MPE） and root mean square error （RMSE）. The effects of Cys C change on pharmacokinetic parameters of vancomycin were evaluated with steady state trough concentration and apparent clearance rate （CL/F） of vancomycin in typical patient （65 year-old， 64 kg， Scr 66 μmol/L， 1 000 mg， q12 h） forecasted with the final model at different levels of Cys C. RESULTS： CL/F of vancomycin was significantly influenced by age， body weight， the levels of Scr and Cys C. The final model was CL/F（L/h）， V/F was equal to 82.5 L. The robust rate verified by Bootstrap method was 100%. Except for the interindividual variation of V/F， the relative bias of other pharmacokinetic parameters was less than 5%， and the estimated parameters of the final model were in the 95% confidence intervals of estimated values of Bootstrap. NPDE results showed that the homogeneity of variance was consistent with normal distribution （P>0.05）. In external validation， MPE and RMSE of the simplest model were -1.52 μg/mL and 6.87 μg/mL. MPE and RMSE of the final model were -0.32 μg/mL and 4.27 μg/mL， the accuracy and precision were improved significantly in the final model. When Cys C levle of typical patient was 0.3-4.0 mg/L， the steady state trough concentration predicted by final model were 5.25-29.97 μg/mL and CL/F were 1.45-8.71 L/h. CONCLUSIONS： Age， body weight， the levels of Scr and Cys C significantly influence the pharmacokinetic parameters of vancomycin； moreover， the level of Cys C can change blood concentration of vancomycin. Established PPK model is of great predictive performance， which can be used to estimate the individual pharmacokinetics parameters of vancomycin.

KEYWORDS Vancomycin； Population pharmacokinetics； Cystatin C； Nonlinear mixed effect model； Pharmacokinetic parameters

萬古霉素為糖肽類抗菌藥物，臨床上主要用于治療耐甲氧西林金黃色葡萄球菌（MRSA）和表皮葡萄球菌等耐藥菌引起的重癥感染[1]。國內(nèi)外診療指南均指出，對于一般感染的患者，萬古霉素的血藥谷濃度需維持在10～15 μg/mL，而嚴重感染者則需維持在15～20 μg/mL[2-3]。但以往的臨床研究發(fā)現(xiàn)，大劑量使用萬古霉素會顯著增加耳/腎毒性等不良反應的發(fā)生率[4]。因此，對萬古霉素進行治療藥物監(jiān)測（TDM），并根據(jù)患者的生理、病理等因素估算個體藥動學參數(shù)，制訂個體化給藥方案，是安全、有效、合理用藥的重要基礎。

群體藥動學（PPK）將經(jīng)典藥動學的基本原理和統(tǒng)計學模型相結(jié)合，分析藥動學參數(shù)中存在的變異性，研究藥物體內(nèi)代謝過程的群體規(guī)律、藥動學參數(shù)的統(tǒng)計分布及其影響因素；同時，結(jié)合Bayesian反饋法，可較為準確地估算個體藥動學參數(shù)，優(yōu)化給藥方案[5]。目前，國內(nèi)外已廣泛開展萬古霉素的PPK研究以協(xié)助臨床個體化給藥，且多以血肌酐（Scr）作為患者腎功能的評估指標，并在模型考察中納入經(jīng)Cockcroft-Gault公式計算而得的肌酐清除率（CLcr）[6-10]。但根據(jù)Scr來評估腎功能存在很大局限性，尤其是老年和低肌肉容量患者，CLcr無法準確反映其腎功能狀況[11-12]，故有待于尋找更為合適的考察指標。胱抑素C（Cys C）是小分子非糖基化半胱氨酸蛋白酶，與Scr相比，Cys C較少受患者性別、年齡、飲食習慣等因素影響，是評價腎功能理想的內(nèi)源性標志物[13]。國外有研究顯示，在模型中同時納入Scr和Cys C可以更好地估算萬古霉素的清除率[11]。為此，本研究通過收集成年患者萬古霉素血藥谷濃度監(jiān)測數(shù)據(jù)，結(jié)合其性別、年齡、體質(zhì)量、Scr、Cys C等協(xié)變量，建立萬古霉素PPK模型，并對模型進行內(nèi)部和外部驗證，旨在分析上述各因素（尤其是Cys C）對萬古霉素藥動學行為的影響，估算萬古霉素的藥動學參數(shù)，以期為臨床個體化用藥提供參考。

1 資料與方法

1.1 資料來源

納入標準：（1）2014年1月-2017年12月于常州市第一人民醫(yī)院接受注射用萬古霉素（商品名：穩(wěn)可信，Eli Lilly Italia S. P. A.，注冊證號：H20140174，規(guī)格：500 mg）治療的住院患者；（2）診斷為MRSA等革蘭氏陽性菌感染或懷疑為耐藥陽性菌感染；（3）年齡≥18歲。排除標準：（1）行血液透析或腹膜透析的患者；（2）伴有彌散性血管內(nèi)凝血、多器官功能衰竭的患者；（3）基本信息（性別、年齡、身高、體質(zhì)量等）和腎功能檢查結(jié)果（Scr或Cys C）缺失者。

1.2 血藥濃度監(jiān)測方法

所有患者均在萬古霉素血藥濃度達到穩(wěn)態(tài)（連續(xù)給藥約4次[14]）后，于下次給藥前30 min采集靜脈血，采用酶放大免疫測定法以Syva Viva-E型均相酶放大免疫分析儀（德國Siemens公司）測定血清中萬古霉素的質(zhì)量濃度。分析方法的線性范圍為2.0～50 μg/mL。

1.3 PPK模型的建立

采用非線性混合效應模型法（NONMEM）建立PPK模型：首先建立最簡（不包含協(xié)變量）模型，包括基礎藥動學模型和隨機效應模型，并在此基礎上建立固定效應模型，定量考察各因素對萬古霉素藥動學參數(shù)的影響，獲取最終模型。

1.3.1 基礎藥動學模型 由于本研究納入的萬古霉素血藥濃度監(jiān)測數(shù)據(jù)均為臨床回顧性稀疏穩(wěn)態(tài)谷濃度數(shù)據(jù)，故采用一房室模型擬合[15]建立藥動學基本模型，采用個體間變異和殘差變異有交互作用的一級速率條件算法（FOCE-I）[16]計算表觀清除率（CL/F）和表觀分布容積（V/F）等藥動學參數(shù)。

1.3.2 隨機效應模型 除固定效應外的其他因素對藥動學參數(shù)的影響即為隨機效應，包括個體間變異和殘差變異。個體間變異是除固定效應變異外不同患者之間的隨機誤差；殘差變異是由一些不可知因素（如研究者、試驗方法、患者自身隨時間的變異及模型誤差等）所導致的預測值與觀測值間的差異。其中，個體間變異采用指數(shù)模型，相關參數(shù)的計算見公式①。

式中，Pj是模型預測第j個個體的藥動學參數(shù)，[?][P]為該參數(shù)的群體典型值，ηj表示Pj對[?][P]的偏差（ηj服從均數(shù)為0、方差為ω2的正態(tài)分布）。

殘差變異有指數(shù)型（公式②）、加和型（公式③）和混合型（公式④）等3種類型。分別用上述模型進行擬合，取目標函數(shù)值（OFV）最小的模型為最終統(tǒng)計學模型[17]。

1.3.3 固定效應模型 用加法、乘法或指數(shù)模型考察下列因素對藥動學參數(shù)的影響：性別、年齡、體質(zhì)量、Scr、Cys C、CLcr、腎小球濾過率（GFR）。其中，CLcr是根據(jù)Cockcroft-Gault公式由Scr計算而得，見公式⑤；GFR是根據(jù)Hoek公式由Cys C計算而得，見公式⑥[6-11]。

首先，使用前向納入法初步篩選協(xié)變量：設定顯著性水平為0.01，若加入某個協(xié)變量因素后，OFV值的改變超過6.63（自由度為1），則將該因素納入模型，反之則剔除；重復該過程直至OFV值無顯著改變，即獲得全量回歸模型。然后，使用后向剔除法考察各影響因素：設定顯著性水平為0.001，逐一剔除各影響因素，若OFV值的改變超過10.83，視該因素有顯著性意義，模型中應予以保留，反之則應剔除。最后，在含有不同腎功能指標（Cys C、Scr、CLcr、GFR）的模型中選擇OFV值和CL/F變異最小的模型。排除無顯著性意義的協(xié)變量因素后，獲得最終模型[17]。另外，臨床檢驗的多個指標間通常存有一定的相關性，這種相關性可能會造成參數(shù)預測值誤差的疊加，導致模型預測準確性降低，因此需要對固定效應進行相關性檢驗。

1.4 模型的驗證

模型的驗證指采用適當?shù)姆椒ㄔu價模型的準確性、穩(wěn)定性和預測能力，是用于判斷模型優(yōu)劣的“金標準”，通常采用圖形結(jié)合的統(tǒng)計學方法[18]。首先，通過繪制擬合優(yōu)度圖（包括觀測值對群體預測值、個體預測值的散點圖及條件權(quán)重殘差對群體預測值、時間的散點圖）并觀察各散點是否分布均勻和有無固定趨勢來評價模型擬合的優(yōu)劣。其次，對模型進行內(nèi)部和外部驗證。其中，內(nèi)部驗證包括自舉法（Bootstrap）、可視化檢驗法（VPC）和正態(tài)化預測分布誤差法（NPDE）。由于本研究數(shù)據(jù)為臨床TDM稀疏數(shù)據(jù)，且均為血藥谷濃度數(shù)據(jù)，在給藥時間、給藥劑量、采血時間上均存在較大差異，不適合采用VPC法評價，因此選用Bootstrap法和NPDE法[19]。Bootstrap法參數(shù)估算值的95%置信區(qū)間（CI）不應包含零點，且最終模型預測值應全部包含在上述95%CI范圍內(nèi)，方可認為驗證通過，表明模型的準確性和穩(wěn)定性較好[20]；NPDE值應符合誤差均值為0（t檢驗）、方差為1（Fisher方差檢驗）的正態(tài)分布，方可認為模型預測性能良好[19]。在“1.1”項納入、排除標準下，另收集應用萬古霉素治療的住院患者為外部驗證組，記錄其臨床資料，通過Bayesian反饋法，用最簡和最終模型分別估算患者的血藥濃度，并與觀測值進行比較，以平均預測誤差（MPE）考察模型預測的準確度（公式⑦），以均方根誤差（RMSE）考察模型預測的精密度（公式⑧）。通過觀察最終模型預測值MPE、RMSE的絕對值是否小于最簡模型來評價最終模型預測的準確度與精密度[6]。

1.5 Cys C水平對藥動學參數(shù)的影響評估

根據(jù)最終模型，模擬典型患者（將最終模型中有影響的協(xié)變量設置為模型建立組患者相應數(shù)據(jù)的中位數(shù)值）在同一給藥方案下、不同Cys C水平時的穩(wěn)態(tài)谷濃度，并估算萬古霉素的CL/F，以評估Cys C的改變對萬古霉素藥動學參數(shù)的影響。

1.6 統(tǒng)計學方法

采用NONMEM 7.3.0軟件（美國ICON公司）建立上述模型，采用R 2.15.1軟件繪制擬合優(yōu)度圖和NPDE檢驗圖，采用SPSS 16.0軟件對數(shù)據(jù)進行統(tǒng)計分析。數(shù)據(jù)以中位數(shù)（范圍）表示。臨床檢驗指標的相關性及預測值與觀測值的相關性均采用雙變量相關性分析。P<0.05為差異有統(tǒng)計學意義。當同一患者有多個觀測值時，為避免出現(xiàn)多個預測誤差，模型驗證組各患者只納入一個觀測值[20]。

2 結(jié)果

2.1 患者的數(shù)據(jù)特征

本研究共納入225例患者的333次萬古霉素TDM數(shù)據(jù)用于模型建立（即模型建立組），其中男性148例（共監(jiān)測214次）、女性77例（共監(jiān)測119次）；另納入27例患者的40次TDM數(shù)據(jù)用于模型的外部驗證（即模型驗證組），其中男性19例（共監(jiān)測30次）、女性8例（共監(jiān)測10次）。上述患者均采用靜脈滴注給藥，主要給藥方案為500 mg，q12 h或q8 h；1 000 mg，q12 h或q8 h，詳見表1。

2.2 萬古霉素的PPK模型

最簡模型中，患者的CL/F為3.61 L/h，V/F為83.9 L，CL/F和V/F的個體間變異分別為64.1%、48.8%。殘差變異中，混合型的OFV值（1 757.863）小于加和型（1 778.127）和指數(shù)型（1 770.342），故選擇混合型（包括指數(shù)型和加和型）為最終統(tǒng)計學模型。前向納入和后向剔除結(jié)果顯示，納入患者的性別后，OFV值的改變低于6.63，故將該因素剔除；納入其年齡、體質(zhì)量、Scr、Cys C后，OFV值分別下降96.346、51.766、23.812、67.271，可分別解釋25.9%、13.7%、6.1%、23.6%的個體間變異，提示上述因素均可影響萬古霉素的CL/F；最終模型CL/F個體間變異從最簡模型的64.1%下降為29.4%，OFV值從1 757.863下降為1 518.668，提示納入上述因素后，模型擬合得到改善。此外，相關性分析結(jié)果顯示，Cys C和Scr的相關系數(shù)（r 2）為0.521（P<0.05），提示兩者具有一定的相關性；但分別剔除了Scr或Cys C的模型較最終模型OFV值分別增加26.989、67.271，提示上述兩個指標并不完全是冗雜（Redundant）、重復的。

因最終模型納入的協(xié)變量較多，為減少協(xié)變量，通過納入CLcr或GFR（上述指標通過體質(zhì)量、年齡、Cys C計算，見公式⑤、公式⑥）進行考察。結(jié)果，納入CLcr和GFR的模型OFV值分別為1 582.949、1 561.459，CL/F個體間變異分別為37.8%、34.1%；與最終模型比較，OFV值分別增加64.281、42.791，CL/F個體間變異分別增加8.4%、4.7%，并非OFV值和CL/F變異最小的模型，故不將CLcr、GFR納入模型。此外，當模型中只包含Cys C時，CL/F個體間變異從64.1%下降為37.1%，說明Cys C是CL/F的重要影響因素。最終模型回歸方程見公式⑨、公式⑩，各參數(shù)預測值見表2，擬合優(yōu)度圖見圖1。

由圖1可見，觀測值對群體預測值、觀測值對個體預測值均均勻分布在趨勢線的兩側(cè)（圖1A、圖1B），條件權(quán)重殘差則均勻分布在零位線上下，且其值多介于±2之間（圖1C、圖1D），表明模型擬合較為理想[18]。

2.3 模型的驗證

2.3.1 內(nèi)部驗證 1 000次Bootstrap成功收斂1 000次，穩(wěn)健率為100%。與最終模型參數(shù)估算值相比，除了V/F個體間變異外，其余主要PPK參數(shù)的相對偏差均小于5%，且最終模型參數(shù)估算值均落在Bootstrap法參數(shù)估算值的95%CI內(nèi)，同時該95%CI不包含零點，提示本研究建立的PPK模型穩(wěn)定性好、準確度高[20]，詳見表2（表中，“影響參數(shù)”指最終模型公式中相應協(xié)變量的指數(shù)）。

NPDE檢驗結(jié)果見圖2。其中，Q-Q圖和NPDE分布圖顯示，NPDE值符合正態(tài)分布（圖2A、圖2B），NPDE值對時間和群體預測值的散點大部分均勻分布在X軸的兩側(cè)（圖2C），95%的點在±1.96區(qū)間內(nèi)（圖2D）。計算所得NPDE均值為0.105，方差為0.969，偏度為0.209，峰度為0.685 7，t檢驗示P=0.052 5，F(xiàn)isher方差檢驗示P=0.706，提示NPDE均值與0、方差與1的差異均無統(tǒng)計學意義，即NPDE值方差齊性且服從正態(tài)分布，表明模型具有較好的預測能力。

2.3.2 外部驗證 采用27例患者的40次TDM監(jiān)測數(shù)據(jù)進行模型的外部驗證。最終模型的預測值為13.01（6.86～32.05）μg/mL，與觀測值14.20（5.30～27.50）μg/mL顯著相關（r=0.713，P<0.001），MPE和RMSE分別為 -0.32、4.27 μg/mL；與最簡模型的-1.52、6.87 μg/mL相比，預測值MPE、RMSE的絕對值均變小，提示模型精密度增加。另外，分別采用剔除了Scr和Cys C的模型進行預測，顯示剔除Scr和Cys C中任何一個，模型的MPE、RMSE的絕對值均明顯增加，提示預測效能均會下降，詳見表3。

2.4 Cys C水平對藥動學參數(shù)的影響

采用最終模型對典型患者（年齡為65歲，體質(zhì)量為64 kg，Scr水平為66 μmol/L，給藥方案為1 000 mg，q12 h）進行藥動學參數(shù)的預測，結(jié)果見圖3。由圖3可見，當Cys C在0.3～4.0 mg/L（模型建立組僅有1例患者Cys C水平超過4.0 mg/L，故本研究將Cys C水平設定為0.3～4.0 mg/L）范圍內(nèi)時，預測穩(wěn)態(tài)谷濃度為5.25～29.97 μg/mL，CL/F為1.45～8.71 L/h。

3 討論

萬古霉素藥動學參數(shù)可受多種生理、病理因素的影響，易導致不良反應的發(fā)生，因此需對其進行TDM，并結(jié)合患者的臨床特征估算個體藥動學參數(shù)，進而制訂個體化給藥方案。PPK研究是將經(jīng)典藥動學與統(tǒng)計學原理相結(jié)合，同時利用Bayesian反饋法，可較為準確地估算個體參數(shù)，指導臨床合理給藥方案的設計，保證藥物使用的安全、有效、合理[5]。目前，國內(nèi)外已廣泛開展了萬古霉素的PPK研究以協(xié)助臨床個體化給藥[6-10]。萬古霉素的全量藥動學研究結(jié)果表明，其靜脈滴注時的體內(nèi)代謝符合二室模型[21]，但由于本研究的數(shù)據(jù)來源于常規(guī)TDM，為減少模型擬合誤差，故采用了一房室模型[15]。此外，萬古霉素的體內(nèi)代謝過程符合線性藥動學特征，屬一級速率過程，故未將其劑量納入?yún)f(xié)變量進行考察[6]。以往的萬古霉素PPK研究發(fā)現(xiàn)，患者的年齡、體質(zhì)量、腎功能、合并用藥均可影響其在體內(nèi)的分布或消除過程，其中腎功能是影響CL/F的最重要協(xié)變量，CLcr為常用腎功能指標[6-9，22]。但目前僅有少量的PPK研究考察了Cys C對萬古霉素藥動學參數(shù)的影響：Tanaka A等[23]通過Cys C計算GFR，并將后者納入模型中；Chung JY等[11]采用678例患者的血藥濃度監(jiān)測數(shù)據(jù)構(gòu)建PPK模型，并在最終模型中納入了Cys C、Scr、體質(zhì)量、年齡和性別；國內(nèi)僅有1項PPK研究探討了Cys C對萬古霉素藥動學參數(shù)的影響，其結(jié)果與Tanaka A等[23]的研究一致，通過計算GFR作為協(xié)變量引入模型[19]。本研究以Cys C、Scr、CLcr、GFR等為協(xié)變量，最終模型顯示Cys C、Scr、體質(zhì)量和年齡對萬古霉素的CL/F有影響。在建模過程中發(fā)現(xiàn)，相對于最終模型，分別納入CLcr和GFR模型的OFV值分別增加64.281、42.791，CL/F的個體間變異分別增加8.4%、4.7%，均不如直接納入Cys C、Scr、體質(zhì)量和年齡的模型，因此不選擇CLcr或GFR作為協(xié)變量。模擬結(jié)果顯示，對于典型患者而言，Cys C水平的變化可引起萬古霉素血藥谷濃度5.7倍（5.25～29.97 μg/mL）的改變。本研究最終模型CL/F群體典型值為3.68 L/h，與相關文獻的結(jié)果[6-8，11，22-23]基本一致，分析原因可能與各研究間患者數(shù)據(jù)的分布相似有關。V/F群體典型值為82.5 L，介于相關文獻報道的典型值47.6～101 L之間[6-8，11，22-23]。

在模型建立過程中筆者發(fā)現(xiàn)，Cys C和Scr的相關系數(shù)為0.521，但同時納入Cys C和Scr兩個指標的模型要優(yōu)于僅納入其中任一指標的模型，這也說明這兩個指標并不是完全重復的。同時，本研究納入的患者中，有部分存在營養(yǎng)不良、體質(zhì)量較輕或臥床等癥狀/現(xiàn)象，其Cys C已超出正常范圍最高值，但Scr仍處于正常水平，因此單獨采用Scr可能會使得模型預測結(jié)果出現(xiàn)較大偏差。本研究外部驗證結(jié)果顯示，納入Cys C和Scr的模型預測值與觀測值的相關系數(shù)為0.713，要優(yōu)于只納入Cys C或Scr（相關系數(shù)分別為0.589、0.573）的模型，提示納入Cys C和Scr兩個指標的模型要優(yōu)于僅納入其中一個指標的模型，前者預測的準確度增加。這與Thomas F等[24]和Bouvet Y等[25]的PPK研究結(jié)果類似，提示在模型中同時納入Cys C和Scr可以更準確地估算CL/F。

本研究將Cys C直接作為協(xié)變量進行考察，建立了萬古霉素PPK模型，在國內(nèi)尚屬首次。該模型穩(wěn)定、有效并具有良好的預測性能，可用于萬古霉素穩(wěn)態(tài)谷濃度的預測及個體化藥動學參數(shù)的估算，有助于臨床更合理地使用萬古霉素。但由于受樣本量的限制，本研究尚未對一些可引起血流動力學不穩(wěn)定并增加萬古霉素清除率的藥物（如呋塞米、多巴胺及多巴酚丁胺等）進行考察[26]；同時，本研究亦未進行不同亞群體的區(qū)分以減少個體間變異、提高模型的預測性能，故仍有待后續(xù)深入探討。

參考文獻

[ 1 ] LIU C，BAYER A，COSGROVE SE，et al. Clinical practice guidelines by the infectious diseases society of america for the treatment of methicillin-resistant Staphylococcus aureus infections in adults and children：executive summary[J]. Clin Infect Dis，2011，52（3）：285-292.

[ 2 ] RYBAK M，LOMAESTRO B，ROTSCHAFER JC，et al. Therapeutic monitoring of vancomycin in adult patients：a consensus review of the American Society of Health-System Pharmacists，the Infectious Diseases Society of America，and the Society of Infectious Diseases Pharmacists[J].Am J Health Syst Pharm，2009，66（1）：82-98.

[ 3 ] 萬古霉素臨床應用中國專家共識專家組. 萬古霉素臨床應用中國專家共識：2011版[J]. 中國新藥與臨床雜志，2011，30（8）：561-573.

[ 4 ] PRITCHARD L，BAKER C，LEGGETT J，et al. Increasing vancomycin serum trough concentrations and incidence of nephrotoxicity[J]. Am J Med，2010，123（12）：1143-1149.

[ 5 ] 張弨，趙榮生，翟所迪，等. 群體藥代動力學概述[J]. 中國臨床藥理學雜志，2013，29（8）：563-565.

[ 6 ] 吳委. 萬古霉素群體藥動學及個體化給藥研究[D].福州：福建醫(yī)科大學，2013.

[ 7 ] 陳冰，楊婉花，張偉霞，等. 中國成年患者萬古霉素群體藥動學研究[J]. 藥學與臨床研究，2013，21（6）：605-609.

[ 8 ] 何笑榮，劉志鶴，季雙敏，等. 中國患者人群中萬古霉素的群體藥代動力學研究及藥效預測[J]. 藥學學報，2014，49（11）：1528-1535.

[ 9 ] S?NCHEZ JL，DOMINGUEZ AR，LANE JR，et al. Population pharmacokinetics of vancomycin in adult and geriatric patients：comparison of eleven approaches[J]. Int J Clin Pharmacol Ther，2010，48（8）：525-533.

[10] PURWONUGROHO TA，CHULAVATNATOL S，PREECHAGOON Y，et al. Population pharmacokinetics of vancomycin in Thai patients[J]. Sci World J，2012. DOI：10.1100/2012/762649.

[11] CHUNG JY，JIN SJ，YOON JH，et al. Serum cystatin C is a major predictor of vancomycin clearance in a population pharmacokinetic analysis of patients with normal serum creatinine concentrations[J]. J Korean Med Sci，2013，28（1）：48-54.

[12] 廖乙媚，劉滔滔，程道海，等. 血清胱抑素C作為腎功能指標預測萬古霉素谷濃度效能評估[J]. 醫(yī)藥導報，2015，34（6）：730-732.

[13] WAS?N E，SUOMINEN P，ISOAHO R，et al. Serum cystatin C as a marker of kidney dysfunction in an elderly population[J]. Clin Chem，2002，48（7）：1138-1140.

[14] RYBAK MJ，LOMAESTRO BM，ROTSCHAFER JC，et al. Vancomycin therapeutic guidelines：a summary of consensus recommendations from the infectious diseases Society of America，the American Society of Health-System Pharmacists，and the Society of Infectious Diseases Pharmacists[J]. Clin Infect Dis，2009，49（3）：325-327.

[15] 凌靜，錢李軒，丁俊杰，等. 谷濃度采樣設計和算法對群體和個體藥動學參數(shù)估算的影響[J]. 藥學學報，2014，49（5）：686-694.

[16] HOOKER AC，STAATZ CE，KARLSSON MO. Conditional weighted residuals （CWRES）：a model diagnostic for the FOCE method[J]. Pharm Res，2007，24（12）：2187- 2197.

[17] 張弨，單愛蓮. 群體藥代動力學模型建立[J]. 中國臨床藥理學雜志，2013，29（11）：803-806.

[18] 張弨，單愛蓮. 群體藥代動力學的驗證和仿真[J]. 中國臨床藥理學雜志，2013，29（12）：883-886.

[19] 盛長城. 基于群體藥動學的萬古霉素個體化給藥研究[D].貴陽：貴州醫(yī)科大學，2016.

[20] 葉紅波，芮建中. NONMEM法群體藥代動力學研究的自舉法驗證及其應用[J]. 醫(yī)學研究生學報，2010，23（12）：1314-1318.

[21] MULLA H，POOBONI S. Population pharmacokinetics of vancomycin in patients receiving extracorporeal membrane oxygenation[J]. Br J Clin Pharmacol，2005，60（3）：265-275.

[22] 林忠，陳敏方，崔可，等. 中國成年感染患者萬古霉素群體藥動學研究[J].中國現(xiàn)代應用藥學，2017，34（1）：101-106.

[23] TANAKA A，AIBA T，OTSUKA T，et al. Population pharmacokinetic analysis of vancomycin using serum cystatin C as a marker of renal function[J]. Antimicrob Agents Chemother，2010，54（2）：778-782.

[24] THOMAS F，S?RONIE-VIVIEN S，GLADIEFF L，et al. Cystatin C as a new covariate to predict renal elimination of drugs：application to carboplatin[J]. Clin Pharmacokinet，2005，44（12）：1305-1316.

[25] BOUVET Y，BOUISSOU F，COULAIS Y，et al. GFR is better estimated by considering both serum cystatin C and creatinine levels[J]. Pediatr Nephrol，2006，21（9）：1299- 1306.

[26] PEA F，PORRECA L，BARALDO M，et al. High vancomycin dosage regimens required by intensive care unit patients cotreated with drugs to improve haemodynamics following cardiac surgical procedures[J]. J Antimicrob Chemother，2000，45（3）：329-335.

（收稿日期：2018-03-12 修回日期：2018-08-15）

（編輯：張元媛）