基于一室模型的间歇静脉输注抗生素PK/PD参数建模及个体化给药方案优化研究

本研究针对间歇静脉输注(RIIVI)模式下缺乏准确AUC24/MIC和T>MIC%计算模型的问题，通过一室模型构建了定量计算体系。研究建立了包含输注时间参数的精准模型，证实其预测性能优于传统单次静推模型，并形成"疗效评估-方案优化"闭环系统，为β-内酰胺类等抗生素的个体化给药提供了理论框架。

　　

抗生素治疗中，如何精确计算药物暴露量一直是临床难题。传统采用单次静脉推注(SIVB)模型估算间歇输注(RIIVI)的AUC₂₄/MIC和T_>MIC%存在理论缺陷，而精准模型的缺失导致给药方案优化缺乏可靠依据。中南大学湘雅医学院附属肿瘤医院的研究团队在《Journal of Translational Medicine》发表研究，通过数学建模解决了这一关键问题。

研究采用"烧杯法"形象化一室模型，将给药过程分解为输注和输注后两阶段，建立剂量-时间关系基础公式。通过拉普拉斯变换推导出任意给药周期内的药物浓度变化模型，进而构建AUC₂₄/MIC和T_>MIC%的精确计算公式。采用Bland-Altman分析和Bootstrap法验证模型性能，通过Tornado法进行敏感性分析，最终形成包含剂量调整模型的闭环优化系统。

【模型构建】基于一室模型特征，建立包含输注时间(t_inf)、给药间隔(τ)等参数的D-t和C-t关系方程，推导出AUC₂₄/MIC= D_d/CL·MIC - (D_d/CL·MIC)·(e^Kt_inf-1)e^-nKτ/(t_infK)的精确表达式。

【模型验证】以万古霉素和哌拉西林为例，通过20个设计病例的蒙特卡洛模拟显示：新建模型预测的AUC₂₄/MIC值平均低于传统模型8.7%，T_>MIC%值平均高4.2%，且具有更优的变异系数(0.28 vs 0.29)和峰度(9.76 vs 9.41)。

【敏感性分析】发现MIC对AUC₂₄/MIC变异贡献率达96%，而τ和MIC分别贡献T_>MIC%变异的45%和26%。值得注意的是，t_inf在T_>MIC%模型中贡献率达20%，为延长输注策略提供了理论依据。

【应用案例】演示如何通过T_>MIC%模型评估哌拉西林方案有效性，当预测值49%低于50%目标时，采用剂量模型D_d=24t_infMIC·CL[1+(e^Kτ-e^Kt_inf)e^{K(ετ/100-t_inf)}/(e^Kτ-e^K(τ-t_inf))]/τ计算优化剂量，最终获得50.7%达标方案。

该研究首次系统建立了RIIVI模式下的PK/PD参数计算体系，其创新性体现在：1)揭示传统SIVB模型在t_inf→0时与新建模型的数学统一性；2)量化证明延长输注时间对提升T_>MIC%的贡献；3)构建包含剂量调整模型的闭环优化系统。这些成果为β-内酰胺类和糖肽类抗生素的精准给药提供了可操作框架，特别适用于肾功能稳定患者的维持剂量方案制定。