Phoenix IVIVC Demo部分Q&A
1. 如果只有两种制剂，是否可以做IVIVC？
答：两种当然也是可以的，一种比目标制剂释放快，一种比目标制剂释放慢，当然更多制剂对于建立相关性来说肯定更好。
2. Level B以及Leve C IVIVC可以做吗？
答：Phoenix IVIVC向导工具只做Level A IVIVC，如果需要做Leve B或者Level C，只需要做一些简单的线性模型即可，可以WinNonlin中用其他工具就可以完成，可以参考以下Webinr：
链接：https://pan.baidu.com/s/1E-cFTeoKsBGaD5ZA3iB6QA
提取码：2333
3. 建立IVIVC需要什么临床数据？有什么推荐的方案？
答：如果想要相对不错的临床PK数据，最好是采用Crossover设计，和生物利用度或者等效性试验相同。因为涉及到多种不同的制剂，每个个体都需要UIR数据，所以可以考虑将建立相关性的制剂、目标制剂和UIR分成不同的组，每组中个体都应至少接受一种建立相关性的制剂或目标制剂+UIR，再结合多周期Crossover设计，可以减少工作量。
4. 怎么选择溶出模型，例如，有Weibull和Double Weibull都可以拟合，可以像NLME那样使用模型比较器吗？
答：可以先用classic model里面的溶出模型先做拟合，然后通过AIC，BIC以及SBC等模型评价指标；还有拟合优度图和参数估算CV%和置信区间等，综合选择最佳的模型。如果两个模型非常接近，结果完全一致，选择参数更少，更简单的模型。
5. 如果使用IR建立UIR，是否需要包括Tlag，是否先使用IR的数据进行建立不同的房室模型，然后通过AIC判断是否需要Tlag？
答：使用血管外数据建立UIR的时候，应尽量选择制剂影响最少的剂型，否则在吸收相可能无法用一级动力学参数Ka来进行表示。是否需要Tlag，可以先通过Classic model的房室模型先尝试，可通过过AIC，BIC以及SBC等模型评价指标；还有拟合优度图和参数估算CV%和置信区间等，综合选择最佳的模型，如果确定Tlag模型比较好，则可以加入Tlag。
6. IVIVC里面溶出模型的每个处方都是使用的平均溶出分数吗？
答：同一制剂，同样的溶出环境，结果是可以复现的，所以我们一般用平均溶出分数表示即可，没必要每一次做的都放上去。体内数据每个制剂可以单个个体的，没必要用平均。
7. Correlation模块里面Plot中，Tvivo vs. Tvitro是否更难拟合，尤其使用Fab=AbsScale*Diss(Tscale*Tvivo)，另外，Fabs vs Fdiss得到的回归方程截距都是0吗？
答：Tvivo vs Tvitro更难拟合似乎并没有这样的说法，因为Fabs和Fdiss都是和Tvivo 和Tvitro相关的，理想情况下，体外释放和体内吸收完全一致，那Tvivo vs Tvitro应该是就是接近Y=X这条标准线，但是实际情况会有偏差，我们从Levy plot里面主要是看相对于Y=X是否有截距和斜率的调整，从而帮助我们去选择Correlation function；Fabs vs Fdiss截距不恒为0，因为可以选择第四个线性方程(Fabs = AbsScale*(Diss(Tscale *Tvivo - Tshift) - AbsBase))，这个是有截距项的。
8. iv血药浓度是用多指数，而非房室模型进行模拟？
答：经典房室模型其实就是多指数和的数学表达形式，所以本质上IV拟合就是房室模型拟合。
9. 可以用PBPK模型吗
答：Phoenix IVIVC中无PBPK模型，仅限房室模型，因为UIR多为IV和IR数据，这些数据受到制剂影响比较少，大多数都可以通过房室模型拟合。当然某些特殊情况，没有UIR的数据，那么也可以通过PBPK模拟的IV或者IR的数据来使用，这可以借助SIMCYP等PBPK软件进行。
Phoenix NLME案例分享部分Q&A
1. 协变量种类有很多，收集的时候如何确定需要哪些？
答：除了常见的人口统计学指标，如体重，年龄等；还可以根据药物适应症，临床该药物或者同类型药物使用经验，选择重点关注的协变量。比如该药物主要经过肾脏清除，那么肾功能相关指标是非常重要的；另外大多数常见的一些生化指标多数和肝肾功能相关，通常都会收集。
2. 数据替换的时候，10%的标准哪里来的？用均值或者众数是否会影响最终的结论？
答：10%的标准是通过一些参考文献来的，毕竟这块在监管指南中并没有做详细的规定；用均值或者众数替换缺失数据是其中一种比较常见的方法，对结果的影响从两个方面考虑：一是数据限量，不超过10%。二是可以做一个去除该个体或者协变量之后的模型，和目前的模型结果对比，看看是否结果会相差很大，也就是敏感性分析。
>>点击立程回看全程直播<<
