药物代谢动力学 · aiwiki.page

药物代谢动力学（简称药代动力学或药动学）是药理学的一个分支，主要研究药物及其代谢产物在体内的动态时间过程。该学科探究药物的吸收、分布、代谢和排泄（统称为 ADME），并通过浓度测定和数学模型来定量描述这些过程。药代动力学探讨的是机体对药物的处置过程，而药效动力学则探讨药物对机体产生的生物学效应；二者相结合，建立了给药、体内暴露与药效反应之间的联系。(eur-lex.europa.eu)

药代动力学证据为药物研发、不同制剂间的对比、药物相互作用研究以及患者个体差异的表征提供了关键支持。其主要研究方法包括非房室分析、房室模型、群体分析以及基于生理学的药动学建模。这些方法将血液浓度、尿排泄量等可测得的数据与药物处置过程相联系，同时综合考量生物学变异度与不确定性。其应用范围从传统的小分子化学药物延伸至治疗性蛋白质等复杂生物制品；对于后者，其体内处置过程往往需要特定的实验设计和建模方法。(ema.europa.eu)

研究范围与概念界限

药物代谢动力学（PK，简称药代动力学或药动学）描述药物及其代谢物在生物体内的经时过程，阐明给药剂量与血液及其他生物样本中药物浓度之间的关系。其主要过程包括吸收、分布、代谢和排泄，统称为 ADME。药物处置在狭义上指药物进入体内后的分布与消除；消除则包括代谢和排泄两个过程。原型药指给药后未发生变化的化学实体，而代谢产物则是其经生物化学转化生成的产物。两者需要分别考量，因为原型药的消失并不必然意味着所有药物相关物质或药理活性的消失。因此，相关检测可能会区分原型药、各单一代谢物以及药物相关物质的总量。(ema.europa.eu)

给药剂量是指通过特定途径给予的药物总量，并不一定等同于以未变化的原型药形式进入体循环的量。口服剂量在进入体循环之前，可能会在肠道和肝脏中发生吸收不完全或代谢。全身暴露量描述随时间推移所达到的体内浓度，通常在等离子体或全血中测定，并通过峰浓度以及浓度-时间曲线下面积等指标来表征。因此，暴露量既不同于吞服的药量，也不同于穿过肠壁被吸收的药量。例如，口服吗啡的处方信息显示，由于广泛的前体循环代谢（首过效应），其生物利用度低于 40%。吗啡是原型药；3-葡萄糖醛酸吗啡和 6-葡萄糖醛酸吗啡是其代谢物，其中后者具有药理活性。因此，仅凭原型药浓度并不能全面反映血液循环中所有具有潜在临床相关性的物质。(dailymed.nlm.nih.gov)

在药理学领域，药动学与药效学（PD）互为补充：药动学关注剂量与浓度随时间变化的规律，而药效学关注药物的作用机制以及浓度与生物学效应之间的关系。生物药剂学研究药物本身的理化性质、剂型特征和给药条件如何影响药物的释放、吸收与生物利用度；它与药动学存在交叉，尤其是在制剂特性与全身暴露量之间的衔接层面。因此，含有相同标示剂量的两种制剂可能会产生不同的浓度-时间曲线。临床药理学则更广泛地聚焦于人体，将药动学与药效学与疗效、不良反应、药物相互作用及患者个体差异等证据相整合。暴露-反应分析将这些领域联系在一起，但并不能使它们相互替代。(fda.gov)

药代动力学的测定指标本身并非临床终点。在特定检测条件下较高的血浆浓度仅代表更高的暴露量，并不必然意味着更大的治疗获益；同样，低浓度也不能证明其安全性。对结果的解读取决于相关的活性物质、药物向作用部位的分布转运、浓度-反应关系以及具体的临床情况。类似地，某一生物标志物的变化也不一定代表症状、生理功能或生存期的改善。药动学证据能够解释不同给药方案之间的差异并为其评估提供支持，但若要得出关于有效性与安全性的结论，仍需结合药效学、毒理学和临床证据。美国 FDA 在 2003 年发布的暴露-反应关系指导原则中，明确将暴露-反应信息作为药物研发与监管审评的重要组成部分。(fda.gov)

该领域的研究涵盖在健康志愿者和患者中开展的人体研究、在目标动物物种中开展的兽药研究，以及支持药物研发的非临床研究。兽药药动学的解读必须考虑特定物种的解剖学、生理学特征和给药条件；EMA 修订后的目标动物药动学指南已于 2024 年 7 月 1 日生效。在安全性研究中，毒代动力学利用药动学测定手段来表征暴露量并阐释毒性发现。FDA 于 1995 年 3 月发布的 ICH S3A 指导原则将这一应用定义为：在非临床毒性研究或专门设计的支持性研究中获取药动学数据，以评估全身暴露量及其与临床安全性的相关性。因此，毒代动力学的不同主要体现在研究目的和解读语境上，而非涉及一套截然不同的体内处置过程。(ema.europa.eu)

历史发展

早期的定量研究将药物浓度视为受输入、分布和消除支配的动态变化量，而不仅仅是伴随所观察效应的一组测量值。1924年（而非1928年），埃里克·维德马克（Erik Widmark）与 J. 坦德贝格（J. Tandberg）发表了对应于开放式单室模型的方程。他们的研究涵盖了静脉注射、固定间隔重复给药以及恒速静脉滴注。这一模型的核心简化在于将机体抽象为一个在动力学上均一且药物可从中被清除的单一空间，从而使浓度-时间关系以及重复给药下的药物蓄积在数学上得以解析。(journals.sagepub.com)

1937年，托斯滕·特奥雷尔（Torsten Teorell）发表了两篇题为《体内给药分布动力学》（Kinetics of Distribution of Substances Administered to the Body）的论文：第一篇探讨血管外给药，第二篇探讨血管内给药。他建立了描述吸收、血液与组织间交换以及消除的微分方程。物质转运取决于浓度差和与通透性相关的系数，这赋予了模型生理学意义，而不再仅仅将浓度曲线视为经验性的数学函数。他的工作为后来的房室分析和基于生理学的药代动力学建模（PBPK）奠定了基础。不过，这属于现代器官尺度模拟的雏形，而非其完全成型的版本。(researchgate.net)

20世纪50年代，药物体内过程的定量研究日益将数学分析与药物制剂及临床测量结合起来。弗里德里希·哈特穆特·多斯特（Friedrich Hartmut Dost）于1953年出版了《血药浓度》（Der Blutspiegel）一书，首次提出“药动学”（Pharmakokinetik）这一术语，系统阐述了不同给药方式下的单室动力学。埃诺·纳尔逊（Eino Nelson）研究了溶出速率限制性吸收，西德尼·里格尔曼（Sidney Riegelman）则探讨了直肠给药吸收。到了20世纪60年代，随着工业界研发的拓展，美国各大学的药学院系开始系统培养药代动力学与生物药剂学方面的研究人员。(journals.sagepub.com) 纳尔逊1961年发表的综述《药物吸收、分布、代谢和排泄动力学》（Kinetics of Drug Absorption, Distribution, Metabolism, and Excretion），标志着将这些过程整合为一个统一定量学科的开端。(pubmed.ncbi.nlm.nih.gov) 1964年，约翰·G·瓦格纳（John G. Wagner）与纳尔逊证明了如何利用血药浓度和尿液排泄数据重建吸收-时间曲线，并藉此检验不同的吸收机制。(onlinelibrary.wiley.com)

随后，计算机辅助分析推动该领域从描述单一实验走向估算个体及群体特征。1972年，刘易斯·B·夏纳（Lewis B. Sheiner）、巴尔·罗森伯格（Barr Rosenberg）与肯尼思·L·梅尔蒙（Kenneth L. Melmon）提出将常规临床观察与随后的血液检测结合起来，以改进对个体药代动力学行为的预测。(sciencedirect.com) 随后，夏纳与斯图尔特·L·比尔（Stuart L. Beal）在1980年的一项估算方法比较研究中，对群体药代动力学进行了具体展示。他们分析了来自49位患者的124组稳态苯妥英浓度-剂量配对数据，区分了群体平均动力学、个体间变异和残差变异。他们采用的 NONMEM 方法对这些组分进行联合估计，而不是将所有观测数据混在一起（视所有患者完全相同），也不是先对每个患者分别拟合再对结果取平均。(pubmed.ncbi.nlm.nih.gov)

基于机制的模拟则沿着一条互补的路径发展。1971年，肯尼思·B·比绍夫（Kenneth B. Bischoff）、罗伯特·L·德德里克（Robert L. Dedrick）、戴维·S·扎哈科（David S. Zaharko）与詹姆斯·A·朗斯特雷思（James A. Longstreth）发表了一个甲氨蝶呤模型，其中包括肝、肾、胃肠道、肌肉和血浆等解剖学房室。该模型表征了胆汁排泄和肠道部分重吸收，并使用了直接测得或根据生理学原理针对小鼠、大鼠、狗和人估算的参数。这项研究表明，生理结构不仅能重现单一的血浆浓度曲线，还可支持跨物种和跨给药方案的外推预测。(onlinelibrary.wiley.com)

在这些方法学基础确立数十年后，监管机构才对其进行了规范化。美国食品药品监督管理局（FDA）分别于2018年和2022年发布了关于 PBPK 申报资料格式与内容以及群体药代动力学的指导原则。这些文件对成熟分析方法在药物研发中的呈报与应用作出了规范。2018年的指导原则明确将报告规范与方法学最佳实践区分开来，并指出是否接受以 PBPK 结果替代临床药代动力学数据将视具体情况逐案裁定。(fda.gov)

吸收与给药途径

药物吸收要求药物先从制剂剂型中释放，并跨越生物屏障进入体循环。在被动扩散中，分子的移动顺应浓度梯度；生物膜的渗透率取决于分子大小、脂溶性以及电离状态。对于许多弱酸和弱碱类药物，未解离的中性形式更容易穿透脂质双分子层，但局部的酸碱度也会影响药物的水中溶解度。因此，如果几乎没有药物溶解，即使膜渗透率再高也不一定会产生更高的吸收量。溶出（固体药物转入溶液的过程）与溶解度（处于平衡状态下的饱和溶解浓度）不同；口服给药的体内输入过程既可能受到溶出限制，也可能受到跨膜转运限制。(sciencedirect.com)

载体介导的摄取为药物穿过肠上皮细胞提供了额外的途径。这类转运具有底物特异性且容易发生饱和，导致药物吸收量不再与给药剂量成正比。1995年发表的实验证实，人肠道肽转运蛋白PEPT1通过质子偶联方式介导抗生素头孢氨苄的摄取。包括P-糖蛋白和乳腺癌耐药蛋白（BCRP）在内的外排转运体，则通过将底物逆向转运回肠腔来阻碍净吸收。因此，肠道渗透率综合反映了穿过细胞膜的被动跨膜过程与方向性转运，而非仅由脂溶性决定。(pubmed.ncbi.nlm.nih.gov)

对于主要在小肠吸收的口服药物，胃排空决定了药物何时到达吸收区域，而小肠转运时间则限制了药物溶出与摄取的有效时长。食物可以延缓胃排空、改变胃肠道pH、刺激胆汁分泌，并可能与药物或制剂成分发生相互作用；其净效应可能是增加、减少或延迟全身暴露。穿过肠壁的吸收过程还必须与生物利用度区分开来：被吸收的药物在进入体循环前，可能先在肠壁经历代谢，并在随后经过肝脏时被提取消除。这些在进入体循环前发生的损失统称为首过效应，因此肠道完全吸收并不意味着药物能完全进入体循环。(fda.gov)

舌下给药使药物经由口腔黏膜直接吸收入体循环静脉系统，令该部分吸收的药物避开初次肝门静脉循环；而随吞咽动作进入消化道的药物则仍经胃肠道途径吸收。2017年Nitrostat（硝酸甘油片）标签记载，舌下给药后约6至7分钟达到硝酸甘油血药浓度峰值，绝对生物利用度约为40%，这表明避开肝脏首过效应并不能保证完全的全身利用。直肠给药只能部分避开肝脏首过效应，因为直肠静脉丛回流同时包含门静脉系统和体循环静脉通路。吸入药物通过呼吸道上皮表面吸收，但全身暴露量中也可能包含沉积在口腔内并随后被吞咽的那部分药物经口吸收的贡献。(accessdata.fda.gov)

透皮给药需要穿透皮肤屏障，其优势在于能够维持平稳输入而非产生急剧升高的血药浓度峰值。例如使用芬太尼透皮贴剂时，药物会在表皮上层蓄积形成药物库；血清浓度通常在12至24小时后达到平台期，且揭除贴剂后吸收仍会持续。肌内注射和皮下注射同样需要药物从血管外部位向血液或淋巴液移动，输入过程受到局部组织血流灌注和制剂释放特征的影响。因此，溶液剂与长效缓释储库制剂的吸收曲线可能截然不同。相比之下，静脉注射将药物直接送入血液循环：它没有吸收相，但仍可通过静脉输注来控制输入速率。(dailymed.nlm.nih.gov)

吸收速率与吸收程度是两个相互独立的属性。当全身生物利用度和清除率保持不变时，输入速率变慢会使峰值时间延迟并降低峰浓度，但不会降低总暴露量。迟释制剂会推迟释放的开始时间，而缓释制剂则将释放过程在更长的时间内平缓展开。如果吸收速度慢于消除速度，末端血药浓度的下降反映的可能是持续的吸收过程，而非药物本身的体内消除。在简单的一级动力学模型中，当 $k_a < k_e$ 时便会出现这种翻转动力学现象，此时表观末端半衰期接近 $\ln(2)/k_a$ 。以静脉注射作为对照有助于厘清这两种过程：一项对32名受试者进行的罗哌卡因直肠给药研究发现，直肠给药后的末端半衰期显著长于静脉给药，表明其末端下降受制于吸收过程。(ema.europa.eu)

分布与组织摄取

药物分布既取决于循环系统的输送，也取决于其穿越血管与细胞屏障的过程。当药物跨膜转运迅速时，组织摄取呈灌注限制型（perfusion-limited）：血流灌注良好的器官比较血流较差的组织（如静息状态下的脂肪组织）能更快达到平衡。当跨膜转运缓慢时，即使血供丰富，其分布也呈通透性限制型（permeability-limited）。毛细血管结构、分子大小、解离状态以及在膜脂中的分配均决定了这些限制。脂溶性有助于药物穿透细胞膜，但单凭脂溶性并不能决定组织暴露量：摄取转运蛋白可浓缩底物，而外排转运蛋白则能阻碍进入或加速排出。因此，达到平衡的速率与最终的组织-血浆浓度比是两个截然不同的特性。(gastroplus.slp-software.com)

在血浆中，药物会与白蛋白、α₁-酸性糖蛋白和脂蛋白发生可逆结合。酸性药物通常主要与白蛋白结合，而许多碱性药物则与α₁-酸性糖蛋白结合。总浓度包括结合型和游离型药物；游离分数为 $f_{u,p}=C_{u,p}/C_{p,\mathrm{total}}$ 。结合与解离过程持续补充游离药物池，而游离药物通常是进行被动跨膜转运的有效成分。因此，蛋白结合率的改变可能会改变总浓度，却不一定会使游离药物暴露量发生同比例变化。蛋白结合率在不同的药物浓度或生理状态下未必恒定，因此不能总是通过固定比例将总浓度换算为游离浓度。(merckmanuals.com)

药物与血细胞的结合进一步造成了血浆测定值与全血测定值之间的差异。例如，他克莫司不仅与血浆蛋白结合，还与红细胞强力结合；其全血-血浆浓度分配比取决于红细胞比容、药物浓度、血浆蛋白浓度以及分离血浆时的温度。因此，其药品说明书指出，全血是用于描述其药代动力学特征更为适宜的取样基质。血浆浓度与全血浓度是不可互换的测定值，由二者计算出的任何分布容积或清除率都必须明确对应的浓度基准。(accessdata.fda.gov)

在组织内部，当循环血药浓度下降后，药物与蛋白质、细胞膜及其他细胞成分的可逆结合仍可使药物滞留于组织中。脂质分配和细胞内外pH差异也可导致药物蓄积隔离；弱碱性药物可通过离子陷阱效应蓄积于酸性的细胞内区室中。这种蓄积会增加组织总浓度，但未必会增加特定靶点处可利用的游离药物浓度。地高辛是组织大量摄取药物的典型代表：其说明书描述了长达6至8小时的分布相，并指出早期的高血清浓度并不代表作用部位的浓度。(pro-s3.mhem2.magento.prod.mheducation.com)

药物进入中枢神经系统受到血脑屏障的限制，后者的内皮细胞紧密连接限制了细胞间隙的穿透。跨细胞膜通透性及外排系统（尤其是P-糖蛋白）随后决定了许多小分子物质的进入能力。1994年，阿尔弗雷德·H·申克尔（Alfred H. Schinkel）及其同事证实，在缺失 mdr1a P-糖蛋白基因的小鼠中，底物药物在脑内的暴露量显著增加。受到屏障保护的部位并非完全不可进入：能否进入取决于具体化合物以及所涉及的屏障，包括血-脑脊液屏障和血-视网膜屏障。因此，脑脊液浓度并不直接等同于脑间质游离药物浓度。同样地，组织匀浆测得的是细胞外、细胞内及结合型药物的总和，并不能直接测定靶部位的药物暴露量。(pubmed.ncbi.nlm.nih.gov)

表观分布容积将体内药物总量 $A$ 与特定的参考浓度（通常为血浆总浓度）关联起来：

V_d=\frac{A}{C_{p,\mathrm{total}}}.

它是一个比例常数，以升（L）或升/千克（L/kg）表示，并非实际的解剖学空间。组织对药物的大量滞留会导致血浆浓度相对于体内药量显著偏低，从而产生超出人体实际物理体积的分布容积；地高辛说明书报告其表观分布容积约为475–500 L。相反，若药物主要局限于循环血浆中，其表观分布容积往往较小。该数值取决于采样的基质以及所采用的分布状态或动力学模型：它既无法指明药物具体存在于哪些组织，也无法证明药物已到达受到屏障限制的靶部位。(merckmanuals.com)

药物代谢

药物代谢通过酶催化反应将母体化合物在化学上转化为一种或多种代谢产物。I相反应包括氧化、还原和水解：氧化反应可引入羟基或脱去烷基；还原反应可将羰基转化为醇；水解反应则利用水分子裂解易感化学键。II相反应将药物或其代谢产物与来自内源性供体的基团结合，例如葡萄糖醛酸化、硫酸化和谷胱甘肽结合。这些分类标签代表的是反应类型，而非必须按先后顺序发生的阶段。带有合适官能团的母体药物可以直接发生结合反应，而其他化合物则可能经历多次平行或顺序发生的转化。例如，吗啡可以在其现有的羟基上直接发生葡萄糖醛酸化，无需预先经过氧化反应。(accessdata.fda.gov)

肝脏是主要的代谢器官，但药物代谢系统也存在于肠道、肾脏、肺和皮肤中。细胞色素P450家族包括CYP3A4、CYP2D6、CYP2C9、CYP2C19和CYP1A2等，它们具有重叠但各具特色的底物特异性。它们催化的反应包括羟基化和氧化脱烷基化；在口服药物进入体循环之前，肠道内的CYP活性即可使其发生转化。非CYP系统包括含黄素单加氧酶、酯酶，以及UDP-葡萄糖醛酸基转移酶和磺基转移酶等结合酶。因此，代谢清除率不能单单等同于CYP活性，各代谢通路的相对贡献取决于化合物本身和所处组织。(fda.gov)

代谢并不一定会使药物失活。吗啡-3-葡萄糖醛酸苷缺乏吗啡的镇痛活性，而吗啡-6-葡萄糖醛酸苷则具有药理活性。1997年，布赖恩·L·考夫曼（Brian L. Coffman）及其同事证实重组人UGT2B7可催化吗啡的葡萄糖醛酸化，从而确定了介导这一直接II相代谢途径的具体酶。代谢活化也见于前药：依那普利经乙酯水解生成具有活性的血管紧张素转化酶抑制剂依那普利拉。因此，母体化合物的消失并不一定代表药理活性的消失。(pubmed.ncbi.nlm.nih.gov)

反应性代谢产物与稳定的活性或非活性产物不同，因为它们能与细胞组分发生反应。对乙酰氨基酚主要发生葡萄糖醛酸化和硫酸化，但一条主要由CYP2E1介导的次要氧化途径会生成反应性中间体N-乙酰-对苯醌亚胺（NAPQI）。NAPQI在正常情况下会迅速与谷胱甘肽结合，随后转化为半胱氨酸和巯基尿酸结合物。这说明氧化生物活化与结合解毒过程可同时存在于同一种药物的代谢中；结合反应并不仅仅是跟随在每个I相反应之后的阶段。(accessdata.fda.gov)

肝提取将代谢能力与血液中的药物递送联系在一起。肝提取率为 $E_H=(C_{\mathrm{in}}-C_{\mathrm{out}})/C_{\mathrm{in}}$ （采用流量加权的流入和流出血液浓度），肝血清除率为 $CL_H=Q_HE_H$ 。对于一个游离药物迅速达到平衡、代谢未饱和、仅考虑代谢的简化良好搅拌肝脏模型：

CL_H=\frac{Q_H f_{u,b}CL_{\mathrm{int}}} {Q_H+f_{u,b}CL_{\mathrm{int}}},

式中 $Q_H$ 为肝血流量， $f_{u,b}$ 为血液中游离药物分数， $CL_{\mathrm{int}}$ 为基于游离药物浓度的固有代谢清除率。固有清除率反映了独立于血流递送的代谢能力。当 $f_{u,b}CL_{\mathrm{int}}\gg Q_H$ 时，清除率趋近于肝血流量；当 $f_{u,b}CL_{\mathrm{int}}\ll Q_H$ 时，清除率趋近于 $f_{u,b}CL_{\mathrm{int}}$ 。因此，血液和血浆结合率的测量指标必须一致使用。当存在受限的细胞摄取、胆汁转运或酶饱和时，则需要比这一简化关系更为复杂的模型来进行描述。(ema.europa.eu)

排泄与消除途径

消除包括代谢（将原型药物转化为其他化学物质）与排泄（将原型药物或代谢物排出体外）两个方面。因此，原型化合物的消失并不意味着所有与药物相关的物质均已离开机体：代谢物在经历进一步转化或排泄之前，可能仍会留存在体循环中。相反，口服给药后在粪便中回收的原型药物可能从未被吸收，因而并不一定代表其从体循环中被消除。药品监管评审通过分别测定原型药物、代谢物以及在适用情况下测定药物相关物质总量，来区分这些过程。 (ema.europa.eu)

肾脏通过肾小球滤过、肾小管分泌和肾小管重吸收来处置药物。对于可自由滤过的小分子，滤过作用仅针对未与血浆蛋白结合的游离型药物；以血浆总浓度计，其滤过清除率约为 $f_{u,p}\times GFR$ ，其中 $f_{u,p}$ 为游离分数， $GFR$ 为肾小球滤过率。主动分泌将药物从肾小管周围毛细血管血液中穿过肾小管细胞转运至尿液。涉及的转运蛋白包括有机阴离子转运蛋白 OAT1 和 OAT3，以及有机阳离子转运蛋白如 OCT2 等，此外还有其他转运系统介导药物穿过面向管腔侧的细胞膜排入尿液。这些途径具有底物选择性，可能会发生饱和，并可被竞争性化合物抑制；与蛋白质结合的药物在从结合位点解离后也可参与这一过程。 (pmc.ncbi.nlm.nih.gov)

重吸收将药物从肾小管液带回血液，抵消了尿液排出。被动重吸收通常更容易发生在脂溶性、非解离型的分子上，并取决于生物膜通透性、尿流量和尿液 pH 值。偏碱性的尿液会增加弱酸性药物的解离度，通常会减少其被动重吸收；弱碱性药物则呈现相反趋势。因此，肾排泄是滤过与分泌减去重吸收的净结果，而非仅反映滤过作用的直接指标。美国食品药品监督管理局（FDA）2024 年 3 月发布的肾功能指导原则明确指出，这些过程与肾脏代谢一同构成肾脏处置药物的决定因素。 (pmc.ncbi.nlm.nih.gov)

胆汁排泄将原型药物或代谢物从肝细胞转运至胆汁中，并随后进入肠道。残留在肠腔内的物质可随粪便排出，而被重新吸收的物质则进入肠肝循环。肠道内的去结合反应可将葡萄糖醛酸苷代谢物重新转化为可吸收的原型化合物。麦考酚酸体现了这一机制：其葡萄糖醛酸结合物参与肠肝循环，通常在给药后 6 至 12 小时出现第二血药浓度峰。在一项涉及 12 名健康志愿者的研究中，预先使用可阻断再循环的消胆胺，使麦考酚酸的体内暴露量减少了约 40%。口服给药后，仅凭粪便回收量无法定量测定胆汁排泄，因为未吸收的原型药物也会混入同一排泄物样本中。 (dailymed.nlm.nih.gov)

肺排泄对吸入性挥发性麻醉药尤为重要。七氟烷较低的血气溶解度有助于其在停止给药后通过肺部迅速消除。汗液、唾液和乳汁对机体总药物清除的贡献通常较小；尽管如此，药物向乳汁的转运即使对母体消除的贡献微不足道，也可能导致哺乳期婴儿产生药物暴露。 (dailymed.nlm.nih.gov)

清除率表示清除药物的速率相对于相应药物浓度的比率，单位通常为毫升/分钟或升/小时。肾排泄清除率针对进入尿液的原型药物；肝清除率则涵盖肝脏代谢以及原型化合物的胆汁排泄。全身总清除率综合了各条独立消除途径的贡献。计算这些途径的贡献时，必须采用一致的浓度参考基准（血浆或全血），且不可重复计算先后连续发生的过程：原型药物在肝脏转化后其代谢物随尿液排出，并不构成对原型药物的两次独立清除。此外，非肾清除率也不一定完全等同于肝清除率，因为机体的其他组织同样可以代谢药物。 (pmc.ncbi.nlm.nih.gov)

浓度-时间曲线与药代动力学参数

峰浓度（ $C_{\max}$ ）是特定采样基质中观测到的最高浓度；达峰时间（ $T_{\max}$ ）是从给药到出现该峰值所经历的时间。两者均取决于采样时间点：在采样间隔中未被观测到的峰值可能超过报告的 $C_{\max}$ 。谷浓度是给药间隔内的最低浓度，通常以紧接下一次给药前采集的样本近似代表。这些测定必须明确分析物与基质——例如血浆中的原型药物，而非全血中的代谢物。浓度-时间曲线下面积（AUC）用于衡量总暴露量：

\mathrm{AUC}_{0-t}=\int_0^t C(u)\,du.

其单位结合了浓度与时间，如 mg·h/L。 $\mathrm{AUC}_{0-\infty}$ 包含了外推至观测期以后的暴露量，而 $\mathrm{AUC}_{0-\tau}$ 则覆盖长度为 $\tau$ 的一个给药间隔。AUC 相同并不意味着峰浓度相同或曲线形状一致。(fda.gov)

清除率（ $CL$ ）是药物不可逆消除的速率除以相应浓度： $CL=R_{\mathrm{elim}}/C$ 。其单位为“体积/时间”（如 L/h），而非“质量/时间”。因此，基于血浆与基于全血的清除率需要使用各自对应的浓度进行计算。在全身清除率恒定、完全静脉给药且整个给药剂量 $D_{\mathrm{iv}}$ 最终全部消除的情况下，对消除速率进行积分可得：

D_{\mathrm{iv}}=\int_0^\infty CL\,C(t)\,dt =CL\,\mathrm{AUC}_{0-\infty}, \qquad CL=\frac{D_{\mathrm{iv}}}{\mathrm{AUC}_{0-\infty}}.

这一基于质量守恒得出的结果并不依赖于一室分布模型。对于全身生物利用度为 $F$ 的血管外给药，剂量除以 AUC 估算出的则是表观清除率 $CL/F$ 。(pubmed.ncbi.nlm.nih.gov)

末端消除速率常数（ $\lambda_z$ ）是 $\ln C$ 对时间作图时末端近似直线段斜率的正绝对值。在该段内， $C(t)$ 大致呈指数函数形式下降，末端半衰期为 $t_{1/2,z}=\ln(2)/\lambda_z$ 。早期快速下降可能同时反映了组织分布与消除过程，不可用来代替末端斜率。反之，缓慢的末端下降可能反映了药物从组织重返血液；在血管外给药后，这也可能受制于缓慢的吸收过程。因此，末端半衰期本身并不能单独作为机体消除能力的度量指标。(ema.europa.eu)

对于表观分布容积 $V$ 恒定的线性一室系统，体内药量 $A=VC$ 遵循 $dA/dt=-CL\,C=-(CL/V)A$ 。因此消除速率常数为 $CL/V$ ，由此可得：

t_{1/2}=\ln(2)\frac{V}{CL}.

在多室系统中，相应的末端关系式使用的是末端分布容积 $V_z=CL/\lambda_z$ ，而并非必然是稳态分布容积 $V_{\mathrm{ss}}$ 。后者描述的是在恒速给药达到分布平衡时，体内药量与浓度的比值。作为假设性计算，若 $CL=5$ L/h 且 $V_z=50$ L，则末端半衰期约为 6.93 h。(pubmed.ncbi.nlm.nih.gov)

平均滞留时间（MRT）描述药物分子在消除前于体内停留的平均时间。对于静脉推注，在通常的线性、时不变处置假设下：

\mathrm{MRT}_{\mathrm{iv}} =\frac{\mathrm{AUMC}_{0-\infty}}{\mathrm{AUC}_{0-\infty}}, \qquad \mathrm{AUMC}_{0-\infty}=\int_0^\infty tC(t)\,dt, \qquad V_{\mathrm{ss}}=CL\,\mathrm{MRT}_{\mathrm{iv}}.

静脉滴注需对给药持续时间进行校正；血管外给药曲线则还额外包含吸收时间。对于单指数处置过程，MRT 等于 $1/\lambda_z$ ，但在多指数曲线中通常并不成立。莱斯利·Z·贝内特（Leslie Z. Benet）与罗纳德·L·加莱亚齐（Ronald L. Galeazzi）于 1979 年确立了非房室模型下测定 $V_{\mathrm{ss}}$ 的方法。(pubmed.ncbi.nlm.nih.gov)

绝对生物利用度用于将血管外给药后原型药物进入体循环的量与静脉给药进行比较；相对生物利用度则用于比较两种制剂或两种给药途径：

F_{\mathrm{abs}} =\frac{\mathrm{AUC}_{\mathrm{ev}}/D_{\mathrm{ev}}} {\mathrm{AUC}_{\mathrm{iv}}/D_{\mathrm{iv}}}, \qquad F_{\mathrm{rel}} =\frac{\mathrm{AUC}_{\mathrm{test}}/D_{\mathrm{test}}} {\mathrm{AUC}_{\mathrm{reference}}/D_{\mathrm{reference}}}.

这些计算要求分析物的测定具有可比性、AUC 得到充分表征，并且不同条件下的全身清除率保持不变；剂量归一化还假定在所比较的剂量范围内暴露量与剂量成正比。相对生物利用度可能超过 100%，这并不意味着进入循环的药量超过了实际给药剂量。假设计算：口服 100 mg 产生 20 mg·h/L，静脉注射 50 mg 产生 25 mg·h/L，则 $F_{\mathrm{abs}}=0.40$ ，即 40%。(ema.europa.eu)

重复给药与非线性动力学

在重复给药时，若前序给药残留的药物叠加至后续给药后的血药浓度中，便会产生蓄积。在参数恒定的线性动力学条件下，血药浓度会趋向一种可重现的规律状态：间歇给药会产生周期性波动的峰浓度与谷浓度，而恒速静脉滴注则趋于恒定浓度。在稳态下，在每个给药间隔内的全身药物摄入量等于消除量，但这并不意味着每个瞬间两者都相等。对于以给药间隔 $\tau$ 进行瞬时静脉注射的单房室模型，稳态峰浓度等于首剂给药峰浓度乘以蓄积因子

R=\frac{1}{1-e^{-k\tau}},

式中 $k$ 为一级消除速率常数。峰谷比为 $e^{k\tau}$ ；因此，在单位时间内总输入量保持不变的情况下，缩短给药间隔可以减小浓度波动。这些公式未直接考虑吸收延迟或多房室分布过程。(arxiv.org)

在同样的单房室模型中，从零开始的恒速静脉滴注根据 $C(t)=C_{\mathrm{ss}}(1-e^{-kt})$ 趋近其坪值。经过4个和5个半衰期后，浓度分别达到坪值的 93.75% 和 96.875%——这并不是严格意义上的完全稳态。坪值浓度取决于给药速率与清除率： $C_{\mathrm{ss}}=R_0/CL$ ，其中 $R_0$ 为静脉输注速率。对于生物利用度 $F$ 恒定、每次剂量为 $D$ 的重复给药，平均稳态浓度为

C_{\mathrm{ss,av}}=\frac{FD}{CL\,\tau}.

因此，每个间隔内的剂量决定了平均暴露水平，而给药时机则决定了浓度的波动幅度。这些关系均推导自线性质量守恒模型。(arxiv.org)

负荷剂量指给予初始药量以迅速达到目标浓度；维持给药则是为了补充随后被消除的药物。在快速平衡的简化单房室模型中，这些概念分别对应于 $D_{\mathrm L}=VC_{\mathrm{target}}/F$ 以及维持输入速率 $CL\,C_{\mathrm{target}}/F$ 。因此，负荷剂量主要取决于相应的表观分布容积，而维持给药则取决于清除率。这种区分并不意味着负荷剂量能加速药物消除或使组织瞬间达到平衡。实际的浓度经时过程还取决于给药时长和体内分布情况；例如，静脉注射右美托咪定的研究常将负荷给药与恒速维持输注相结合来表征体内暴露。这些属于药代动力学原理，而非针对具体患者的临床用药医嘱。(arxiv.org)

一级消除是指单位时间内消除恒定比例的药物，因此消除速率与浓度成正比。与之相对，容量受限的消除过程可用米氏动力学来表示：

v=\frac{V_{\max}C}{K_m+C}.

式中 $v$ 为单位时间内消除的药量， $V_{\max}$ 为最大消除能力， $K_m$ 为达到半数最大消除能力时的药物浓度。当 $C\ll K_m$ 时， $v\approx(V_{\max}/K_m)C$ ，近似于一级动力学；当 $C\gg K_m$ 时， $v\approx V_{\max}$ ，近似于零级动力学，即单位时间内消除的药量（而非比例）几乎恒定。因此，表观清除率 $v/C=V_{\max}/(K_m+C)$ 会随浓度升高而降低。苯妥英体现了这种剂量依赖性非线性特征：其肝脏羟基化代谢酶的饱和可导致较小的剂量增量引起不成比例的巨大浓度升幅。(doi.org)

剂量依赖性与时间依赖性不同，后者指即使给药剂量不变，药物在体内的处置过程也会随暴露时间延长而发生改变。在自身诱导现象中，药物会提高负责自身消除的代谢酶活性。卡马西平的说明书记载，其初始半衰期为 25–65 小时，重复给药后因自身诱导作用降至 12–17 小时，在固定给药方案下约 3–5 周后自身诱导完全建立。相反，自身抑制会降低药物自身的代谢清除率；例如埃索美拉唑是 CYP2C19 的时间依赖性抑制剂，其说明书指出这一机制促成了其非线性药代动力学特征。此类变化可能会抵消或加剧常规的药物蓄积。(dailymed.nlm.nih.gov)

通过将单次给药的时间平移曲线进行简单叠加来预测血药浓度，必须建立在线性、非时变动力学的前提下。消除饱和会破坏比例关系，而酶诱导或抑制则会使后续剂量面临不同的消除能力。因此，当半衰期随浓度或治疗持续时间改变时，固定的“4到5个半衰期达到稳态”经验法则将不再适用。在仅以米氏动力学消除为唯一清除途径的恒速静脉滴注中，根据质量平衡，仅在 $R_0<V_{\max}$ 时才能得出 $C_{\mathrm{ss}}=R_0K_m/(V_{\max}-R_0)$ ；而在该理想化模型中，若输入速率达到或超过最大消除能力，则不存在有限的稳态浓度。欧洲药品管理局（EMA）指导原则据此要求，必须对单剂量研究预测的蓄积情况进行实验验证，并考察多次给药过程中的剂量依赖性。(doi.org)

研究设计与生物分析测定

单次给药研究用于表征一次用药后的暴露特征；多次给药研究则考察药物蓄积、稳态特征以及重复给药引起的动力学变化。静脉对照研究通过比较静脉注射与血管外给药后的暴露量（并进行适当的剂量归一化）来确定绝对生物利用度。健康志愿者有助于在排除诸多疾病相关干扰的受控条件下开展评估；而当疾病可能改变体内处置过程，或药物毒性导致健康志愿者不适合参与时，则需在患者人群中开展研究。食物效应研究通常采用随机交叉设计，使每位受试者在经历充分的清洗期后，分别在餐后和空腹状态下接受相同的口服制剂。试验中膳食组成、禁食时长、饮水量以及给药与进餐的相对时间间隔均须标准化。(ema.europa.eu)

采样时间点的设置需匹配预期的血药浓度-时间曲线，而非均匀分布。给药前采样用于确定基线或残留浓度；给药早期设置密集的采样点以表征吸收和快速分布相，而较晚的采样点则用于明确末端消除相。多次给药研究需测定谷浓度，并在整个给药间隔内进行密集采样。必须记录实际的给药与采样时间（包括输注起始与结束时间）：偏离计划时间可能导致峰浓度和消除速率的估算出现偏差。采样持续时间与分析方法的灵敏度相互依存，因为若后期样品浓度低于经过验证的定量限范围，将无法有效表征末端相。(ema.europa.eu)

采样的生物基质决定了所测量的暴露量类型。血浆中不含血细胞，而全血包含了与红细胞结合的药物，因此两者的浓度数据不能互换。分段收集尿液结合尿药浓度与收集体积，可测定药物的排泄量。组织样本能够提供特定靶部位的信息，但需要专门论证其采样与分析策略的合理性。物料平衡研究通常给予碳-14 标记药物，并收集尿液和粪便以量化回收率。总放射性测定的是标记的原型药加上标记的代谢产物，而非仅测定未改变的原型药；需借助色谱分离和结构分析来区分这些成分。美国食品药品监督管理局（FDA）于 2024 年 7 月发布的物料平衡指导原则建议通常纳入至少 6 名可评估的受试者，目标回收率超过给药总放射性的 90%，同时也明确了需要采用不同收集终点的情形。(ema.europa.eu)

液相色谱法-串联质谱法可分离分析物并测定选定的前体-产物离子转变，通常使用同位素标记的内标物。配体结合分析则利用分子识别机制，通常使用抗体来定量治疗性蛋白质。方法学验证旨在确证抗基质组分干扰的选择性、准确度、精密度、可报告范围内的校准曲线以及分析物稳定性。2022 年通过的 ICH M10 指南规定，色谱法验证的准确度通常应在标称浓度的 ±15% 以内，精密度变异系数不得大于 15%；在定量下限处，相应的限度为 20%。配体结合分析通常采用 20% 的限度，在定量上限与定量下限处放宽至 25%。这些是分析方法验证标准，而非临床结果中所允许的不确定度。(fda.gov)

独立的伦理审查和书面知情同意旨在明确试验流程、风险及受试负担。采血总量、采血频次、住院留观、辐射暴露以及侵入性组织采样均需审慎考量；2025 年 1 月通过的 ICH E6(R3) 重点强调了受试者负担及试验程序在科学上的合理性。样本处理必须维持待测物的稳定性：采血管与抗凝剂类型、分离血浆的耗时、储存温度、运输过程以及冻融循环均须控制在经稳定性验证的条件之内。样本标识、处理记录、分析批次、质控结果、方案偏离以及复测原因构成了可追溯的完整记录，为可复现性提供保障。(database.ich.org)

非房室分析

非房室分析（NCA）直接从浓度-时间观测数据中估算药物暴露和处置参数，而无需拟合明确的动力学房室模型。其核心运算属于数值分析：对于连续测得的 $C_i$ 与 $C_{i+1}$ ，线性梯形面积贡献为

\Delta\mathrm{AUC}_i=\frac{C_i+C_{i+1}}{2}(t_{i+1}-t_i).

将这些贡献累加，即可得到直至最后一个可定量测量点为止的面积 $\mathrm{AUC}_{0-t_{\mathrm{last}}}$ 。对于大于零且处于下降阶段的浓度，对数梯形法则假设观测点之间呈指数变化：

\Delta\mathrm{AUC}_i= \frac{C_i-C_{i+1}}{\ln(C_i/C_{i+1})}(t_{i+1}-t_i).

升段线性-降段对数积分法将上升区间的线性插值与下降区间的对数插值相结合。尽管此类方法并未指定具体的房室结构，但这些选择本身就引入了局部插值假设。(certara.com)

末端速率常数 $\lambda_z$ 是在所选的末端时间区间内，通过 $\ln C$ 对时间的线性回归估算得出的；它等于拟合斜率的相反数。自动化筛选通常会比较包含至少三个末端观测点的回归结果，但校正决定系数（adjusted $R^2$ ）较高并不足以证明这些观测点代表真正的末端相。若最后一个测量点之后药物浓度继续呈指数下降，则有：

\mathrm{AUC}_{0-\infty} =\mathrm{AUC}_{0-t_{\mathrm{last}}} +\frac{C_{\mathrm{last}}}{\lambda_z}, \qquad f_{\mathrm{ext}}= \frac{C_{\mathrm{last}}/\lambda_z}{\mathrm{AUC}_{0-\infty}}.

部分算法实现会使用末端回归预测的浓度来替代实测的 $C_{\mathrm{last}}$ ；采用该处理方式时应予以注明。相应的末端半衰期为 $\ln(2)/\lambda_z$ 。(onlinehelp.certara.com)

外推比例 $f_{\mathrm{ext}}$ 反映了总暴露量中有多大程度依赖于未观测的末端尾部而非实测浓度。例如，若实测 AUC 为 $80\ \mathrm{mg\,h/L}$ ， $C_{\mathrm{last}}=2\ \mathrm{mg/L}$ ，且 $\lambda_z=0.10\ \mathrm{h^{-1}}$ ，则计算得到的总 AUC 为 $100\ \mathrm{mg\,h/L}$ ，其中外推比例占 20%。若外推比例过大，总 AUC 会对末端斜率的误差极为敏感。欧洲药品管理局（EMA）2021年的兽药生物等效性指南将实测 AUC 覆盖总 AUC 至少 80% 作为采样的基准；但这一特定监管语境下的标准并不能证明末端斜率本身是准确无误的。(onlinehelp.certara.com)

对于静脉注射剂量 $D$ ，在假设处置过程呈线性且非时变的前提下，清除率计算为 $CL=D/\mathrm{AUC}_{0-\infty}$ 。血管外给药后，对应的估算值为表观清除率 $CL/F=D/\mathrm{AUC}_{0-\infty}$ ，其中 $F$ 为全身生物利用度。在缺乏关于 $F$ 的独立信息时，无法将生物利用度降低与清除率增加区分开来。末端分布容积推导为 $V_z=CL/\lambda_z$ ，血管外给药后则为 $V_z/F$ 。因此，对该参数的解释取决于末端下降是否代表体内处置而非持久的吸收过程；仅凭数值计算并不能确立解剖学意义上的分布容积。(onlinehelp.certara.com)

山冈清（K. Yamaoka）、中川照真（T. Nakagawa）和宇野丰三（T. Uno）于 1978 年提出的统计矩分析，进一步引入了一阶矩面积 $\mathrm{AUMC}=\int_0^\infty tC(t)\,dt$ 。对于线性系统中的静脉单次推注，平均滞留时间为 $\mathrm{MRT}=\mathrm{AUMC}/\mathrm{AUC}$ ；对于持续时间为 $T$ 的恒速静脉滴注，全身滞留时间估算值需扣除 $T/2$ 。常规关系式 $V_{\mathrm{ss}}=CL\times\mathrm{MRT}$ 需要满足额外的假设，尤其是消除必须发生于采样的中央室。口服给药的 MRT 包含输入时间：仅当不同给药途径之间的全身处置保持不变时，其与静脉推注 MRT 之差才能用于估算平均吸收时间。由于 AUMC 按照时间对浓度进行加权，因此末端测量点及外推部分对它的影响显著大于对 AUC 的影响。(pubmed.ncbi.nlm.nih.gov)

稀疏采样可能会遗漏峰值、跨越较大的曲线弯曲段，或导致可用于表征末端下降的观测点过少。低于定量下限的结果并非实测为零；对这些数据的处理方式会影响积分终点，并可能影响末端回归分析。跨研究比较还取决于采样时间窗、分析灵敏度、生物样本基质、进食状态以及给药状态是否一致。因此，实际采样时间、积分规则、末端数据点选取、外推比例以及对无法定量浓度的处理方式，均是 NCA 结果的实质性组成部分，而绝非仅仅是软件的参数设置。(onlinehelp.certara.com)

房室模型

房室代表在动力学上均一的药物池：假定其中的药物能瞬间混合均匀，因此在任意时刻均可用单一浓度来描述该池。一室模型将所测得的药物体内处置过程视为发生在单个此类药物池中；二室及多室模型则引入了具有可区分交换速率的额外药物池。这些房室属于动力学抽象概念，并不一定对应特定的解剖器官。中央室接受静脉给药输入，通常对应模型所预测的血浆浓度；周边室则代表与中央室发生药物交换的组织池。一个周边室可能整合了多种组织，而拟合得到的中央室容积也并不一定等于解剖学上的血浆容积。因此，不同的模型结构可以重现完全相同的实测浓度曲线，却未必能反映出真实的体内组织排布。

描述房室动态的控制微分方程遵循质量守恒定律。对于仅在中央室发生消除的常规线性二室模型：

\frac{dA_c}{dt} =R_{\mathrm{in}}(t)-CL\,C_c-Q(C_c-C_p), \qquad \frac{dA_p}{dt}=Q(C_c-C_p),

其中 $A_c,A_p$ 为药物量， $C_c=A_c/V_c$ ，且 $C_p=A_p/V_p$ 。在此， $V_c,V_p$ 为表观容积， $CL$ 为消除清除率， $Q$ 为房室间清除率；两种清除率的单位均为单位时间内的容积。将两式相加时交换项相互抵消，得到 $d(A_c+A_p)/dt=R_{\mathrm{in}}-CL\,C_c$ ：药物再分布仅改变其所在位置，本身并不消除药物。与之等价的转运速率常数为 $k_{cp}=Q/V_c$ 和 $k_{pc}=Q/V_p$ ；尽管二者共享相同的 $Q$ ，但数值通常并不相等。

剂量为 $D$ 的理想静脉推注可用初始条件 $A_c(0^+)=D$ 、 $A_p(0)=0$ 以及随后的零输入来表示。静脉输注则对应特定的输入速率 $R_{\mathrm{in}}(t)$ ，在恒速输注期间为常数，输注终止后归零。简化的血管外给药模型额外引入了一个吸收库：

A_a(0)=D,\qquad \frac{dA_a}{dt}=-k_aA_a,\qquad R_{\mathrm{in}}(t)=F k_aA_a,

其中 $k_a$ 为一级吸收速率常数， $F$ 为全身生物利用度。在一室静脉推注的极限情况下，这些假设可导出 $C(t)=(D/V)e^{-(CL/V)t}$ 。更复杂的输入模式可在不改变体内处置房室结构的前提下，表征延迟吸收或剂型控制释放过程。

对于线性二室静脉推注模型，中央室浓度呈双指数衰减：

C_c(t)=a e^{-\alpha t}+b e^{-\beta t}, \qquad \alpha>\beta>0.

其系数与斜率共同取决于转运、消除和分布容积。尽管较快的时相通常被称为分布相，较慢的时相被称为末端相，但这两个指数项一般都不单独对应某个孤立的生理过程：早期分布阶段同样存在药物消除，而周边室的药物回流也会影响末端浓度的下降。引入更多房室可生成多指数曲线。在实际观测中能够分辨出多少个时相，不仅取决于解剖学上的组织分类，还受制于采血时间点设计和测量精度。

参数估计是通过将模型预测浓度与实测数据进行拟合来完成的，常用的方法是加权非线性回归或带有显式残差模型的最大似然估计。报告 $CL,V_c,Q,V_p$ 及吸收参数的估计值时，应同时附带不确定度评估指标。模型选择需要综合考虑残差分布模式、参数精度、生理合理性以及拟合优度改善与模型复杂度增加之间的权衡；仅凭拟合误差降低并不足以成为增设新房室的充分理由。美国食品药品监督管理局（FDA）于 2022 年 2 月发布的群体药代动力学指南中，明确区分了结构模型构建、参数估计、诊断性评估以及参数不确定度报告，这些原则同样适用于个体血药浓度曲线的建模。

结构可识别性探讨的是在给定的给药输入和测量方案下，理想的无噪声观测数据在理论上能否唯一确定模型参数。实际可识别性则探讨实测数据是否提供了足够严密的约束：例如，若缺失早期采血样本，快速分布相的动力学特征便难以准确刻画。另一个独立的问题是模型不可区分性，即完全不同的模型结构产生完全相同的可观测输出。1994 年，基思·R·戈弗雷（Keith R. Godfrey）、迈克尔·J·查普曼（Michael J. Chapman）与山多尔·瓦伊达（Sándor Vajda）研究了包含线性和米氏消除的二室模型案例，其中包括无法确定消除途径究竟存在于哪一个房室的情形。因此，即便模型在数学上对血浆浓度拟合良好，也无法据此唯一定位消除发生的部位或证明某一生物学机制；要区分具有竞争性的不同理论假说，往往需要引入额外的给药途径或测量数据。

群体药代动力学

群体药代动力学分析利用非线性混合效应模型来估算典型的处置参数，并区分多种变异来源。固定效应描述典型的清除率、分布容积以及协变量关系；随机效应则描述个体之间未被解释的差异，以及在观察到重复治疗周期时，同一个体在不同用药场合之间的差异。残差变异代表剩余的观测层面偏差，包括分析误差和模型不完备性。这些组成部分不可相互替代：Mats O. Karlsson 与 Lewis B. Sheiner 于 1993 年通过模拟研究和两个真实数据案例证明，忽视场合间变异可能会使群体参数估计产生偏差，并导致虚假的周期效应。(ema.europa.eu)

一个具有代表性的清除率模型如下：

CL_{ik}=CL_{\mathrm{typ}}(\mathbf{x}_{ik}) \exp(\eta_i+\kappa_{ik}),

式中 $CL_{\mathrm{typ}}(\mathbf{x}_{ik})$ 为基于协变量的典型清除率， $\eta_i$ 为个体特异的随机效应， $\kappa_{ik}$ 为特定用药场合的随机效应。随机效应通常在对数尺度上建模为均值为零的正态随机变量，从而确保清除率始终为正值。它们的方差描述的是异质性，而非所估计典型清除率的不确定性。观测模型可分别结合比例型和加和型残差误差。参数估算会对群体结构进行联合拟合，而不是将独立拟合的个体曲线视为精度相同的观测值。(pubmed.ncbi.nlm.nih.gov)

来自多名受试者的稀疏采样数据可以与密集采样的血药浓度曲线一同分析，甚至可以合并跨研究的数据。但这并未消除对具有信息量的实验设计（如采样点规划）的需求：分布于吸收相、峰值暴露以及后期下降相的观测数据，有助于区分仅靠谷浓度测定可能无法识别的参数。准确的给药史和实际采样时间仍然必不可少。协变量通常包括体格大小、肾功能、年龄以及伴随治疗。引入协变量不仅需要生物学合理性，还需要在观测范围内有充分的数据代表性，并对效应大小及其不确定性进行评估，而不能仅凭统计学显著性。存在相关性的预测变量（例如年龄与肾功能）会增加归因难度；估算出的关联本身并不等同于生理机制或因果关系。(fda.gov)

随后，可以通过贝叶斯推断将拟合好的群体分布与该个体的浓度数据相结合，来估算个体参数。经验贝叶斯估计通常以估算出的群体参数为条件。当个体观测数据包含的信息较少时，随机效应的估计值会趋向于零，个体参数也会趋向于经协变量校正后的典型值：这就是“收缩”（shrinkage）现象。Radojka M. Savic 与 Mats O. Karlsson 在 2009 年的模拟研究中表明，收缩可能会掩盖或人为制造出表观上的协变量关系，并削弱个体预测诊断图的效力。他们基于标准差给出的度量指标为 $1-\operatorname{SD}(\hat{\eta})/\omega$ ，其中 $\omega$ 为估算出的群体标准差。在该研究中，当该指标超过约 20%–30% 时便需要格外谨慎，不过这并非通用的剔除阈值。(pubmed.ncbi.nlm.nih.gov)

模型评价综合运用了多种互补的方法。观测值对预测值散点图以及加权残差随时间或预测值的分布图可以揭示系统性偏差。目测预测检验（visual predictive check）将观测浓度的百分位数与在研究设计下通过重复模拟生成的分布进行对比；按剂量、年龄或采样方案进行分层可以揭示在整体合并图中被掩盖的问题。在受试者层面进行的自助采样（将每个选定受试者的全部观测值作为一个整体保留）可用于评估参数的稳定性并辅助计算置信区间，但它本身并不能独立证明预测的有效性。使用模型开发过程中未纳入的受试者或研究进行评估，则为模型的可推广性提供了独立检验。美国食品药品监督管理局（FDA）在 2022 年 2 月发布的指导原则中强调，模型的充分性取决于其具体应用目的：整体拟合良好并不代表在每个亚群中都能实现可靠的预测，也不能成为推演至已评估条件之外的依据。(ema.europa.eu)

基于生理学的药代动力学建模

基于生理学的药代动力学（PBPK）模型将器官或组织群表示为根据血液循环相互连接的房室，而非仅凭血药浓度-时间曲线推导出的抽象空间。器官体积、血流量、组织组成以及药物特异性的分配系数共同决定了药物的分布。对于混合均匀、无局部消除的灌注限制型组织，根据质量守恒定律可得：

V_i\frac{dC_i}{dt}=Q_i\left(C_{\mathrm{in},i}-\frac{C_i}{K_{i:b}}\right),

其中 $V_i$ 为组织体积， $C_i$ 为组织药物浓度， $Q_i$ 为血流量， $K_{i:b}$ 为平衡状态下的组织-血液浓度比。因此，流出浓度为 $C_i/K_{i:b}$ 。具有消除功能的器官则需引入额外的代谢或排泄项。全血分配系数与血浆分配系数必须予以区分，并在必要时通过全血-血浆浓度比进行换算。(ema.europa.eu)

灌注限制型分布假设药物跨组织屏障的交换足够迅速，以至于摄取速率主要受血液输送控制。相比之下，通透性限制型模型则区分血管内和血管外空间，跨膜转运由通透性-表面积积与浓度梯度共同决定。这类结构可用于模拟进入中枢神经系统的受限过程或缓慢穿过细胞膜的转运。由载体介导的摄取和外排可能需要方向性和可饱和的转运项；此时胞内代谢可能与药物返回血液的过程发生竞争。因此，即使肝摄取降低与代谢活性降低均会减少整体清除率，两者对血液浓度和胞内浓度产生的影响也未必相同。(ema.europa.eu)

体外-体内外推将实验室测定数据与生理模型联系起来。在肝微粒体或肝细胞中测得的内源性代谢清除率，可根据微粒体蛋白或细胞丰度以及肝脏质量进行放大外推，并针对孵育体系和全血中的游离药物浓度进行校正。特定代谢酶的贡献比例、转运体测定值、溶解度以及肠道通透性等提供了额外的输入参数。这些数值会与生理学信息相结合，而不是被直接当作全身体内清除率的直接测量值。在 2016 年的一项研究中，Hoa Q. Nguyen 及其同事结合代谢测定值、在培养的人肝细胞中测得的被动扩散清除率以及肝血流量，成功预测了咪达唑仑代谢物的暴露量。该分析明确考虑了代谢物从生成部位逸入体循环的比例。(pubmed.ncbi.nlm.nih.gov)

PBPK 的应用包括预测由酶或转运体介导的药物相互作用，以及区分不同给药途径下的药物暴露特征：口服给药模型可包含溶出、胃肠转运、吸收以及肠道和肝脏的首过效应，而静脉给药则直接跳过这些过程。种属间外推通过替换解剖学和生理学参数来实现，同时保留、实测或重新评估相关的药物特异性性质；这并非单纯根据体重按比例缩放剂量。儿童、器官功能受损或处于怀孕状态人群的模型同样需要调整相应的生理学过程。2012 年，Gaohua 及其同事分别将咖啡因、美托洛尔和咪达唑仑作为 CYP1A2、CYP2D6 和 CYP3A4 的底物进行了建模。他们的妊娠模型预测出的药代动力学变化与观测值的偏差在两倍以内，同时也指出了其他更广泛的消除机制仍需进一步评估。(ema.europa.eu)

模型确认针对特定的拟定用途：模型平台在相关参比药物和应用场景下的整体性能，与针对某一特定药物模型的评价是不同的。美国食品药品监督管理局（FDA）2018 年的申报指南要求详细记录参数来源、假设前提、模型修改、验证及不确定性分析；欧洲药品管理局（EMA）自 2019 年 7 月 1 日起生效的指南同样区分了平台确认与特定药物模型的预测性能。敏感性分析用于检验肠道生物利用度、内源性清除率或转运体丰度等具有不确定性的输入参数如何改变预测的暴露量。相较于重复使用校准数据，采用独立的浓度-时间数据集和相互作用数据集能对模型提供更为严格的预测检验。仅与血浆观测数据吻合并不能证明组织浓度的准确性，也无法唯一确定其内在机制；将模型外推至未经评估的给药途径、特殊人群或相互作用药物时，均需提供与相应条件相关的证据支持。(fda.gov)

个体间变异的来源

生长与成熟共同影响发育过程中的药物清除率：体质量增加使器官增大，而成熟则改变其功能容量。在新生儿中，肾小球滤过、肾小管分泌以及各条代谢途径的发育速率各不相同；因此，通常不能简单地将成人清除率乘以婴儿与成人的体重比来推算清除率。胎龄与出生后日龄提供的信息截然不同，在早产儿中尤为如此。美国食品药品监督管理局（FDA）2022年的新生儿指导原则据此将体型与发育年龄认定为独立的药代动力学协变量。在老年人中，肾功能减退、身体成分改变以及合并疾病同样必须与实际年龄本身相区分；衰老并不会均匀地降低每一条消除途径。(fda.gov)

在妊娠期间，血浆容量与体内水分的增加可增大分布容积，而肾脏滤过增加可加速敏感药物的消除。代谢活性的变化具有通路特异性，而非代谢的普遍加速，并且在整个孕期各阶段有所不同。母体暴露量、胎儿暴露量以及通过乳汁的暴露量是各自独立的测量指标：胎儿体内的药物浓度取决于胎盘转运和胎儿自身的体内处置，而不仅取决于母体血浆浓度。分娩后，乳汁中的药物浓度只有与摄入乳量相结合，才能决定摄入的药量；婴儿的全身暴露量还额外取决于胃肠道吸收及其自身的清除能力。因此，仅凭乳汁-血浆浓度比并不能量化婴儿的全身暴露水平。(fda.gov)

慢性肾脏病会减少原形药以及经肾清除代谢物的消除，但其影响不仅限于肾滤过。尿毒症可改变蛋白结合率，以及肝脏或肠道的代谢与转运，从而影响主要经非肾途径清除的药物。在肝硬化中，代谢能力下降、肝脏灌注改变、门体分流和白蛋白合成减少，可影响药物体内处置的不同环节。白蛋白水平降低可能使游离药物分数增加，但未必会导致游离暴露量成比例增加，因为分布与清除可能同时发生改变。因此，当个体之间的结合率存在显著差异时，总浓度与游离浓度并不能相互替代作为反映暴露量的指标。(fda.gov)

重症疾病可导致两个相反方向的变异。肾功能不全会降低药物消除，而部分重症患者尽管血浆肌酐看似正常，却会出现肾脏清除过度。在2014年的一项多中心观察性研究中，安德鲁·尤迪（Andrew Udy）及其同事利用重复的8小时尿肌酐收集来表征这一现象，而不仅依赖血浆肌酐。身体成分造成了体型与功能之间的另一重区别：体重相同并不意味着分布容积相同。在1975年的一项研究中，乌尔里希·克洛茨（Ulrich Klotz）及其同事发现，地西泮的终末消除半衰期随着年龄增长而延长，且伴有分布容积的改变，但在所研究的健康受试者中，清除率并未出现相应的随年龄下降。因此，较长的半衰期并不一定代表消除能力更慢。(doi.org)

遗传变异会同时影响代谢酶与转运体。CYP2D6弱代谢者由可待因生成的吗啡较少，而超快代谢者生成吗啡的速度更快；SLCO1B1功能减退变异型与辛伐他汀更高的全身暴露量相关。此类关系具有药物特异性：酶活性降低可能会增加原形药的暴露量，但减少代谢物的暴露量。由基因型推断出的代谢表型并不能完全预测实际观察到的体内处置，因为器官功能、合用药物及其他环境因素也会产生影响。遗传血统或人口统计学标签不能替代个体的相关变异型与生理特征。(fda.gov)

与性别相关的生理差异、身体成分、饮食、吸烟以及用药史，同样需要具体分析，而非采用一刀切的群体性假设。进餐时间与食物成分可通过影响胃排空及其他胃肠道过程来改变药物吸收。吸烟会改变酶活性：在2004年的一项研究中，米尔科·法贝尔（Mirko Faber）与乌韦·富尔（Uwe Fuhr）观察到重度吸烟者戒烟后咖啡因清除率下降了36.1%，这表明环境暴露可在同一个体内部改变药物处置。在解读药物浓度测定结果时，记录的给药剂量、漏服情况、距离上一次给药的时间间隔以及与进餐的关系，也必须与生物学变异本身相区分。(fda.gov)

药代动力学药物相互作用

药代动力学药物相互作用是指一种药物改变了另一种药物的吸收、分布、代谢或排泄，从而改变母体化合物或其代谢物的体内暴露量。相比之下，药效学相互作用改变的是机体对联合用药的反应，而不一定会改变药物浓度。引起药代动力学改变的药物被称为诱发药或相互作用药；处置过程发生改变的药物则称为受影响药或目标药。这些角色取决于具体的配伍关系：某种化合物在影响其他药物的同时，自身也可能容易受到相互作用的影响。2024年8月作为FDA最终指南发布的ICH M12，统一了药物研发过程中酶和转运体介导的相互作用的评价标准。(fda.gov)

可逆性酶抑制取决于酶局部的抑制剂浓度，通常随着抑制剂的清除而减弱。时间依赖性抑制则随着孵育或暴露时间的延长而增强；当涉及酶失活时，活性的恢复在一定程度上取决于酶的重新生成，而不仅取决于抑制剂的消除。酶诱导通常通过转录调控增加酶的表达，因此其起效与消退取决于蛋白质的周转。抑制代谢可增加母药暴露量，同时减少代谢物的生成；诱导则会产生相反的现象。因此，母药和活性代谢物的浓度可能需要分别进行评估。利福平体现了这种重叠机制：单次给药可抑制肝脏OATP1B摄取转运体，而重复给药则会诱导CYP3A活性。(fda.gov)

转运体抑制可影响肠道吸收、肝脏摄取或肾脏排泄。抑制外排转运体肠道P-糖蛋白可增加敏感底物的吸收；抑制肝脏OATP1B1或OATP1B3可减少肝脏摄取并增加循环系统中的暴露量。地高辛是常用的P-糖蛋白探针药物，而普伐他汀等他汀类药物则用于OATP研究。转运体探针并不一定具有通路特异性：多种他汀类药物也是BCRP的底物，这使得将观察到的相互作用单纯归因于某一种转运体变得十分复杂。(fda.gov)

与吸收相关的相互作用不一定涉及酶或转运体。抑酸药会升高胃内pH值，可能降低弱碱性药物的溶解度与溶出速率，进而降低其生物利用度。胃肠腔内的结合或螯合作用也会阻碍药物吸收：含镁或铝的抗酸药可使环丙沙星的生物利用度降低高达90%。胃肠转运速率的改变是另一种机制。司美格鲁肽会延缓胃排空，因而可能影响口服药物的吸收，但吸收速率的改变并不意味着所有合用药物的总暴露量都会出现具有临床意义的改变。(fda.gov)

专项临床研究通常将受影响药物单用时的暴露量与联合用药时的暴露量进行对比。AUC比值（ $R_{\mathrm{AUC}}=\mathrm{AUC}_{\mathrm{combination}}/\mathrm{AUC}_{\mathrm{alone}}$ ）用于量化全身总暴露量的变化；相应的峰浓度比值则反映了 $C_{\max}$ 的改变。敏感指数底物（如用于CYP3A的咪达唑仑）有助于检测通路的抑制情况，而指数抑制剂则可对所研究的通路产生可重复的抑制效应。强效CYP抑制剂可使敏感指数底物的AUC增加至少5倍；中度抑制剂则使其增加2倍至5倍以下。这些分级反映的是相互作用的强度，而非临床严重程度，后者还取决于受影响药物的暴露-效应关系。(fda.gov)

实验室研究可用于确定代谢途径、测定抑制程度并检验诱导或转运体效应；专门的临床试验则在特定条件下直接测定最终的暴露量变化。群体分析可以在更大规模的试验中评估伴随用药的影响，但其提供的信息价值取决于取样策略以及用药史记录的可靠性。机制性静态模型与基于生理学的模拟将通路贡献与抑制剂或诱导剂的暴露量相结合，用以预测未经测试的药物组合。联合存在的抑制、诱导和转运效应可能相互增强，也可能相互抵消。因此，预测结果依赖于具备实验支持的机制和参数估计；当关键通路或相互作用部位的浓度尚未得到充分表征时，预测的不确定性就会增加。(fda.gov)

治疗性蛋白质与复杂药物制剂

治疗性蛋白质通常被蛋白水解酶降解为肽和氨基酸，而不是通过许多小分子药物特有的氧化途径消除。分子量较小的蛋白质可能经由肾小球滤过，随后被肾小管摄取并降解；而分子量较大的单克隆抗体则很难被滤过。皮下注射给药后，较大的蛋白质主要通过淋巴系统进入体循环；注射部位以及转运过程中的降解可能会降低生物利用度。它们庞大的分子体积以及有限的膜通透性，使其分布主要局限于血管和组织间隙，被动进入细胞内靶点和中枢神经系统的能力十分有限。欧洲药品管理局2007年发布的治疗性蛋白质药代动力学指导原则中对这些差异进行了阐述。(ema.europa.eu)

与药理学靶点结合本身也可以成为一种消除途径。在靶介导药物处置中，药物与靶点的高亲和力结合伴随内吞与降解，从而将药物从循环中清除。由于靶点的丰度是有限的，该途径可能会发生饱和：增加剂量可能会导致暴露量出现超比例增加，并伴随表观清除率的下降。在治疗过程中，靶点表达量或转换率的改变也会改变药物的处置。因此，患者体内的靶点丰度（例如肿瘤中的受体过度表达）可能会限制从健康受试者药代动力学数据进行外推的准确性。(ema.europa.eu)

对于基于免疫球蛋白G的产品，新生儿Fc受体（FcRn）的循环转运机制可以拮抗细胞内降解。细胞摄取IgG后，IgG在酸性内体中与FcRn结合，从而免于溶酶体破坏，并被重新转运至细胞表面；而在接近中性的pH环境下，结合物更倾向于解离释放。通过Fc工程改造可以延长这一过程，且无需改变靶点特异性。在2013年报道的一项针对31名健康成人的随机对照研究中，含有三个Fc氨基酸替换的在研抗体motavizumab-YTE所表现出的血清半衰期比未修饰的motavizumab长2至4倍，达到了约100天。需要注意的是，增强在酸性内体中的FcRn亲和力，必须同时保证其仍能在细胞表面顺利释放。(pmc.ncbi.nlm.nih.gov)

抗药抗体可通过清除免疫复合物来加速药物消除、延缓消除，或者对药代动力学没有可测量的影响；生物活性的中和与消除途径的改变是两个截然独立的问题。因此，对药物暴露量的解读需要结合抗体反应发生的时间、强度和持续性。分析干扰带来了另一层复杂性：抗药抗体可能会影响药物浓度测定中的回收率，而循环中的治疗性蛋白质又可能会在免疫原性测定中掩盖抗药抗体的存在。因此，测得的浓度变化可能反映了药物处置的改变、分析检测的干扰，或兼而有之；检测游离药物与结合抗体药物的分析方法得出的药时曲线并不一定相同。(fda.gov)

抗体药物偶联物由多种分子形态组成，随着有效载荷的释放和抗体的降解，各成分的浓度-时间曲线可能会出现分歧。相关的分析物包括偶联抗体、总抗体（包括偶联和未偶联形式）、释放的游离有效载荷以及具有药理学活性的代谢产物。药物-抗体比率（DAR）的动态变化使结果解读更为复杂：单凭抗体浓度并不一定能反映相连的有效载荷量。美国食品药品监督管理局2024年3月的指导原则要求从早期临床开发阶段起即对偶联物及其各组成部分进行表征；后续如需省略某些特定测定，必须根据其药理学相关性、可检测性以及与其他分析物的相关性来论证合理性。释放出的有效载荷可以独立于抗体分解代谢，单独经由肾脏或肝脏途径消除。(fda.gov)

治疗性寡核苷酸则表现出循环暴露量与活性暴露量之间的另一种脱节。化学稳定性修饰和递送偶联物会影响组织的摄取和存留；被细胞内吞的物质可能会被隔绝在内体中，而无法到达细胞质或细胞核内的靶点。因此，组织总浓度并不等同于在药理学上可及的细胞内有效浓度。(journals.sagepub.com) 英克司兰（inclisiran）清楚地展示了这种时间上的脱节：其N-乙酰半乳糖胺偶联物可促进肝细胞摄取，并在肝细胞内利用其小干扰RNA引导降解PCSK9信使RNA。美国2024年的处方信息显示，该药的血浆终末半衰期约为9小时，在24至48小时内血浆浓度即降至检测限以下；然而单次给药后，降低低密度脂蛋白胆固醇的效果却能持续数月。因此，从血浆中消失并不等同于细胞内药理活性的丧失。(accessdata.fda.gov)

关联暴露与效应及临床监测

药动学-药效学（PK–PD）模型将药物浓度-时间曲线与生物标志物、治疗效应或不良反应联系起来。暴露量可用瞬时浓度、累积曲线下面积（AUC）或其他与效应相关的合适指标来表示。直接的可饱和关系可表示为 $E(C)=E_0+E_{\max}C/(EC_{50}+C)$ ，其中 $E_0$ 为基线效应， $E_{\max}$ 为药物所致的最大效应增量， $EC_{50}$ 为产生一半增量时的浓度。有益效应与不良反应可以具有不同的浓度-效应曲线和时间过程。测得的生物标志物变化本身并不能证明临床结局有所改善；美国食品药品监督管理局（FDA）2003年5月的暴露-效应指南对生物标志物、替代终点和临床终点作了明确区分。 (fda.gov)

药效可能滞后于血浆暴露，因为药物转运至作用部位并达到平衡需要时间。效应室模型通过公式 $dC_e/dt=k_{e0}(C_p-C_e)$ 来表征这种延迟，其中 $C_p$ 为血浆浓度， $C_e$ 为假想的作用部位浓度， $k_{e0}$ 控制平衡速率。另一种方法是间接效应模型，用于描述药物对某种生物介质的生成或消除的抑制或刺激作用。Natalie Dayneka、Varun Garg 与 William Jusko 于1993年将四种此类基本模型形式化。例如，抑制介质生成使得效应的发展取决于介质自身的周转代谢，而非即时跟随血浆浓度变化。因此，若以效应相对于血浆浓度作图，可能会呈现出滞后环：在暴露上升和下降过程中，相同的血药浓度对应着不同的效应。这种滞后环反映的是时间依赖性的浓度-效应关系，并不一定意味着药物消除发生了改变。 (pmc.ncbi.nlm.nih.gov)

对于抗菌药物，暴露量通常与最低抑菌浓度（MIC）相关联，即在特定实验室条件下能够阻止细菌肉眼可见生长的最低浓度。主要指标包括 $fAUC_{24}/MIC$ （24小时游离药物AUC与MIC之比）、 $fC_{\max}/MIC$ （游离峰浓度与MIC之比）以及 $fT_{>MIC}$ （给药间隔内游离浓度超过MIC的时间百分比）。这些指标的适用性因药物种类而异：超过MIC的时间对β-内酰胺类尤为重要，AUC/MIC对氟喹诺酮类至关重要，而峰浓度/MIC则是氨基糖苷类药物的重要指标。目标值还取决于病原菌种类、感染模型及评估终点（例如抑菌还是杀菌）；它们并非适用于所有抗生素的通用阈值。 (ema.europa.eu)

治疗药物监测将实测浓度与给药史及临床信息结合起来，以解读体内暴露情况。药物浓度只有结合其采血时间才具有意义：输注结束后的样本与给药前的谷浓度代表了曲线上的不同阶段。谷浓度虽可用作暴露量的替代指标，但不同的浓度-时间曲线可能产生相似的谷浓度和完全不同的AUC。一个具体的历史范例是，2020年ASHP–IDSA–PIDS–SIDP万古霉素共识指南倾向于对严重耐甲氧西林金黄色葡萄球菌（Staphylococcus aureus）感染采用基于AUC的监测，并在假设MIC为1 mg/L时规定了 400–600 mg·h/L 的 $AUC_{24}$ 范围。该范围仅适用于指南所界定的特定情境，并非通用的抗菌靶标。 (ashp.org)

模型引导的个体暴露量估算可以通过贝叶斯推断，将群体模型与患者的实测数据结合起来。群体参数分布提供先验信息；实测浓度、精确给药时间和采血时间则用于更新个体参数分布并估算AUC。然而，稀疏采样的估算结果仍依赖于先验模型、检测误差以及模型对该个体的代表性程度。2020年万古霉素指南特别指出了在验证数据代表性较差的人群（包括肾功能不稳定的患者）中，仅基于谷浓度进行贝叶斯估算存在不确定性。因此，基于模型推导出的暴露量是一种估算值，而非直接测得的完整浓度-时间曲线。 (ashp.org)

群体水平上的暴露-效应关联并不直接确立因果关系。FDA 2003年的指南指出，若患者特征同时影响药物处置与效应，暴露量之间的比较就会受到混杂影响。疾病引起的清除率下降可能导致暴露量增加，同时也是不良结局的独立预测因素；因此，高暴露量与不良结局之间的关联可能同时包含药物作用与混杂。对给药剂量进行随机化，并不等于对随后达到的体内暴露量进行了随机化。因此，在解释结果时，必须关注基线预后因素、时间先后顺序，以及暴露量变化是否先于效应发生，而非作为疾病进展的结果而改变。 (fda.gov)

药物研发、生物等效性与监管解读

药代动力学证据通过明确候选给药方案所产生的暴露量、蓄积情况及其变异性，为临床试验中给药剂量与给药间隔的选择提供支持。暴露-效应分析将这些预测值与观察到的疗效及不良反应联系起来；单凭暴露量本身并不能确立临床获益。药代动力学比对还能在不同研发阶段使用的制剂之间建立桥接——例如早期胶囊与拟上市片剂的衔接——并为上市后生产工艺变更的评估提供依据。人群间的桥接则依赖额外的假设：只有在相关疾病病程和暴露-效应关系允许进行外推时，使儿童的暴露水平匹配成人数据才具有参考价值，且安全性必须单独评估。FDA 在 2003 年发布的暴露-效应指南中阐述了这些方法在研发与监管决策中的具体应用。(fda.gov)

生物等效性研究用于比较受试制剂与参比制剂中相同活性物质释放并被人体吸收利用的速率和程度。对于全身作用制剂，主要评价指标通常是血药浓度-时间曲线下面积（ $AUC$ ）和峰浓度（ $C_{\max}$ ）。随机双周期交叉研究让每位受试者在不同周期分别服用这两种制剂，期间设置清洗期，从而实现个体内比较。平行设计则将不同受试者分别分配至各制剂组；当药物消除半衰期过长导致交叉设计难以实施时，平行设计尤为适用。空腹或餐后状态的选择取决于制剂特性及相关法规要求。FDA 于 2024 年 10 月采纳了针对口服固体制剂常释剂型的 ICH M13A 指南；2026 年 5 月 28 日，FDA 还发布了关于简略新药申请（ANDA）中药代动力学终点研究以及生物等效性统计方法的最终指南。(fda.gov)

在常规的平均生物等效性分析中，会对 $AUC$ 和 $C_{\max}$ 进行对数转换，将估算出的“受试制剂减去参比制剂”之差进行指数转换，从而获得几何均值比。在适用的研究中，各项指标比值的 90% 置信区间必须完全落在 80.00%–125.00% 的范围内。这些互为倒数的界限在对数尺度上是对称的；但这绝不意味着允许市售片剂的有效成分含量仅为标示量的 80%–125%。举例来说：几何均值比为 98% 且置信区间为 92%–105% 时满足该标准；而同样是 98% 的均值比，若置信区间为 79%–122% 则判定不合格。无论是接近 100% 的点估计值，还是常规差异性检验未达统计学显著性，都不能直接证明两者等效。(fda.gov)

等效性的判定标准并非全球统一。例如 EMA 规定，在环孢素的比对研究中， $AUC$ 和 $C_{\max}$ 的可接受区间均须收窄至 90.00%–111.11%，因为对于这种窄治疗指数药物而言，两个指标都至关重要。而在特定条件下，高变异制剂可以通过重复设计，基于参比制剂的个体内变异程度对 $C_{\max}$ 的限度进行适度放宽。另一些替代途径则关注所需证据的形式，而非单纯调整统计界值：符合条件的常释制剂在具备充分的溶解度、渗透性、溶出度及处方证据支持下，可依据生物药剂学分类系统（BCS）申请免除体内生物等效性试验（生物免除）。缓控释及局部作用制剂则必须考量其独特的给药与释药特性；血浆暴露量往往不足以如实反映药物在靶器官或局部的生物利用度。(ema.europa.eu)

监管解读将这些科学研究结果转化为药品说明书等产品信息。FDA 的说明书撰写指南要求将具有临床意义的体内处置数据归入第 12.3 小节，内容包括批准剂量下的暴露量、蓄积性、吸收、分布、消除、特殊人群用药以及药物相互作用研究结果。这些数据为说明书其他部分的相关陈述提供了证据支持，而非孤立地充当处方规则。药代动力学仍存在不容忽视的局限性：血液检测值可能无法完全代表靶组织的暴露水平，人群外推受限于已研究的具体受试群体，而动物向人类的数据预测则高度依赖于生理学和药物特异性假设。针对基于定量模型的申报资料，FDA 2018 年的模型报告指南要求详细说明参数来源、假设前提、建模软件信息、提交电子模型文件，并提供实测数据验证与敏感性分析。此类文档有助于确保研究的可重复性，并用于评估模型是否足以解答特定的监管问题；在某一种场景下的成功预测，并不能保证其在另一场景中同样有效。(fda.gov)

参考来源

Pharmacokinetic Studies in Manema.europa.eu
DailyMed — Morphine Sulfate tabletdailymed.nlm.nih.gov
Exposure-Response Relationships — Study Design, Data Analysis, and Regulatory Applicationsfda.gov
Guidance Recap Podcast — Bioavailability Studies Submitted in NDAs or INDs: General Considerationsfda.gov
Conduct of pharmacokinetic studies in target animal species — Scientific guidelineema.europa.eu
S3A Toxicokinetics: The Assessment of Systemic Exposure in Toxicity Studiesfda.gov
Kinetics of drug absorption, distribution, metabolism, and excretionpubmed.ncbi.nlm.nih.gov
Evaluation of methods for estimating population pharmacokinetics parameters. I. Michaelis-Menten model: routine clinical pharmacokinetic data.pubmed.ncbi.nlm.nih.gov
Physiologically Based Pharmacokinetic Analyses — Format and Content Guidance for Industryfda.gov
Population Pharmacokineticsfda.gov
Extended Release Oral Dosage Forms: Development, Evaluation, and Application of In Vitro/In Vivo Correlationsfda.gov
Differential recognition of beta-lactam antibiotics by intestinal and renal peptide transporters, PEPT 1 and PEPT 2pubmed.ncbi.nlm.nih.gov
Is oral absorption of vigabatrin carrier-mediated?pubmed.ncbi.nlm.nih.gov
Essential Elements of BCS III-Based Biowaiver Requestfda.gov
Food-Effect Bioavailability and Fed Bioequivalence Studiesfda.gov
Nitrostat Labelaccessdata.fda.gov
Rectal bioavailability of lidocaine in man: partial avoidance of "first-pass" metabolismpubmed.ncbi.nlm.nih.gov
Pulmonary Drug Delivery and Bioequivalence Presentationfda.gov
Fentanyl Transdermal System CIIdailymed.nlm.nih.gov
Duragesic Prescribing Informationaccessdata.fda.gov
Pharmacokinetics Equationsgastroplus.slp-software.com
Goodman & Gilman’s: The Blood-Brain Barrier and Its Influence on Drug Transport to the Brainpro-s3.mhem2.magento.prod.mheducation.com
Drug Distribution to Tissuesmerckmanuals.com
Prograf (tacrolimus) capsules/injection labelaccessdata.fda.gov
Tacrolimus prescribing informationaccessdata.fda.gov
Digoxin prescribing informationaccessdata.fda.gov
Disruption of the mouse mdr1a P-glycoprotein gene leads to a deficiency in the blood-brain barrier and to increased sensitivity to drugspubmed.ncbi.nlm.nih.gov
Digoxin tablets prescribing informationdailymed.nlm.nih.gov
Telaprevir clinical pharmacology reviewaccessdata.fda.gov
PowerPoint Presentationfda.gov
In Vitro Metabolism- and Transporter-Mediated Drug-Drug Interaction Studies Guidance for Industryfda.gov
Human UGT2B7 catalyzes morphine glucuronidationpubmed.ncbi.nlm.nih.gov
Drug Development and Drug Interactions: Table of Substrates, Inhibitors and Inducersfda.gov
Tarceva biopharmaceutics reviewaccessdata.fda.gov
Fexinidazole multidisciplinary reviewaccessdata.fda.gov
Enalapril prescribing informationaccessdata.fda.gov
Morphine glucuronosyltransferase activity in human liver microsomes is inhibited by a variety of drugs that are co-administered with morphinepubmed.ncbi.nlm.nih.gov
Acetaminophen injection prescribing informationaccessdata.fda.gov
Additional Supporting Documentation – System Parameters and Compound Filesema.europa.eu
Annex 6: Response to EMA, 26 June 2024ema.europa.eu
Clinical Pharmacology and Biopharmaceutics Review—Vandetanibaccessdata.fda.gov
Measurement of renal function during drug developmentpmc.ncbi.nlm.nih.gov
Rolapitant: Other Reviewaccessdata.fda.gov
Pharmacokinetics in Patients with Impaired Renal Function—Study Design, Data Analysis, and Impact on Dosingfda.gov
Mycophenolate Mofetil, USPdailymed.nlm.nih.gov
Sevoflurane, USP Volatile Liquid for Inhalationdailymed.nlm.nih.gov
Drug Excretion—Merck Manual Professional Editionmerckmanuals.com
There is Only One Valid Definition of Clearance: Critical Examination of Clearance Concepts Reveals the Potential for Errors in Clinical Drug Dosing Decisionslink.springer.com
The Extended Clearance Concept Following Oral and Intravenous Dosing: Theory and Critical Analysespmc.ncbi.nlm.nih.gov
Bioavailability Studies Submitted in NDAs or INDs – General Considerationsfda.gov
Guideline on the conduct of pharmacokinetic studies in target animal speciesema.europa.eu
Clearance concepts in pharmacokineticspubmed.ncbi.nlm.nih.gov
Pharmacokinetics and Safety of Voriconazole following Intravenous- to Oral-Dose Escalation Regimenspmc.ncbi.nlm.nih.gov
Clearance (née Rowland) concepts: a downdate and an updatepubmed.ncbi.nlm.nih.gov
Noncompartmental determination of the steady-state volume of distributionpubmed.ncbi.nlm.nih.gov
Statistical moments in pharmacokineticspubmed.ncbi.nlm.nih.gov
Statistical moments in pharmacokinetics: models and assumptionspubmed.ncbi.nlm.nih.gov
Clinical pharmacology and pharmacokinetics: questions and answers - Scientific guidelineema.europa.eu
What should patients do if they miss a dose of medication? A theoretical approacharxiv.org
Aminophylline Injection, USP prescribing informationdailymed-beta.nlm.nih.gov
PRECEDEX prescribing informationaccessdata.fda.gov
Michaelis-Menten from an In Vivo Perspective: Open Versus Closed Systemsdoi.org
Phenytoin Sodium ERdailymed.nlm.nih.gov
CARBAMAZEPINEdailymed.nlm.nih.gov
NEXIUM I.V. prescribing informationaccessdata.fda.gov
Assessing the Effects of Food on Drugs in INDs and NDAs — Clinical Pharmacology Considerationsfda.gov
Clinical Pharmacology Considerations for Human Radiolabeled Mass Balance Studies Guidance for Industryfda.gov
M10 Bioanalytical Method Validation and Study Sample Analysisfda.gov
ICH E6(R3) Guidelinedatabase.ich.org
How to calculate AUC (Linear and Log-linear)certara.com
Noncompartmental Analysis: Computational rulesonlinehelp.certara.com
Noncompartmental Analysis: Parameter formulasonlinehelp.certara.com
Guideline on the conduct of bioequivalence studies for veterinary medicinal products, revision 2ema.europa.eu
Volume of distribution at steady state for a linear pharmacokinetic system with peripheral eliminationpubmed.ncbi.nlm.nih.gov
Theoretical Examination Seeking Tangible Physical Meanings of Slopes and Intercepts of Plasma Concentration–Time Relationships in Minimal Physiologically Based Pharmacokinetic Modelspmc.ncbi.nlm.nih.gov
Statistical Identifiability and Convergence Evaluation for Nonlinear Pharmacokinetic Models with Particle Swarm Optimizationpmc.ncbi.nlm.nih.gov
Population Pharmacokinetics: Guidance for Industryfda.gov
Identifiability and indistinguishability of nonlinear pharmacokinetic modelspubmed.ncbi.nlm.nih.gov
Identifiable pharmacokinetic models: the role of extra inputs and measurementspubmed.ncbi.nlm.nih.gov
Population Pharmacokinetics: Guidance for Industryfda.gov
Guideline on reporting the results of population pharmacokinetic analysesema.europa.eu
The importance of modeling interoccasion variability in population pharmacokinetic analysespubmed.ncbi.nlm.nih.gov
Importance of shrinkage in empirical bayes estimates for diagnostics: problems and solutionspubmed.ncbi.nlm.nih.gov
Guideline on the reporting of physiologically based pharmacokinetic (PBPK) modelling and simulationema.europa.eu
Physiologically Based Pharmacokinetic Analyses — Format and Content Guidance for Industryfda.gov
Mechanistic Modeling to Predict Midazolam Metabolite Exposure from In Vitro Datapubmed.ncbi.nlm.nih.gov
Prediction of the disposition of midazolam in surgical patients by a physiologically based pharmacokinetic modelpubmed.ncbi.nlm.nih.gov
A pregnancy physiologically based pharmacokinetic (p-PBPK) model for disposition of drugs metabolized by CYP1A2, CYP2D6 and CYP3A4pubmed.ncbi.nlm.nih.gov
Reporting of physiologically based pharmacokinetic (PBPK) modelling and simulation - Scientific guidelineema.europa.eu
General Clinical Pharmacology Considerations for Neonatal Studies for Drugs and Biological Productsfda.gov
E7 Studies in Support of Special Populations: Geriatrics — Questions and Answersfda.gov
Pharmacokinetics in Pregnancy — Study Design, Data Analysis, and Impact on Dosing and Labelingfda.gov
Clinical Lactation Studies: Considerations for Study Designfda.gov
Pharmacokinetics in Patients with Impaired Hepatic Function: Study Design, Data Analysis, and Impact on Dosagefda.gov
Augmented Renal Clearance in the ICUdoi.org
The effects of age and liver disease on the disposition and elimination of diazepam in adult manpubmed.ncbi.nlm.nih.gov
Table of Pharmacogenetic Associationsfda.gov
Studies in Support of Special Populations: Geriatricsfda.gov
M12 Drug Interaction Studiesfda.gov
M12 Drug Interaction Studiesfda.gov
M12 Drug Interaction Studies: Questions and Answersfda.gov
Drug Interaction Information in Human Prescription Drug and Biological Product Labeling | Guidance for Industryfda.gov
Evaluation of Gastric pH-Dependent Drug Interactions With Acid-Reducing Agents: Study Design, Data Analysis, and Clinical Implications Guidance for Industryfda.gov
DailyMed — CIPROFLOXACIN — ciprofloxacin hydrochloride tablet, film coateddailymed.nlm.nih.gov
OZEMPIC (semaglutide) injection: prescribing informationdailymed.nlm.nih.gov
Guideline on the Clinical Investigation of the Pharmacokinetics of Therapeutic Proteinsema.europa.eu
A Novel Investigational Fc-Modified Humanized Monoclonal Antibody, Motavizumab-YTE, Has an Extended Half-Life in Healthy Adultspmc.ncbi.nlm.nih.gov
pH-dependent Binding Engineering Reveals an FcRn Affinity Threshold That Governs IgG Recyclingpmc.ncbi.nlm.nih.gov
Immunogenicity Assessment for Therapeutic Protein Productsfda.gov
Immunogenicity Testing of Therapeutic Protein Products — Developing and Validating Assays for Anti-Drug Antibody Detectionfda.gov
Clinical Pharmacology Considerations for Antibody-Drug Conjugates: Guidance for Industryfda.gov
LEQVIO (inclisiran) injection: US prescribing informationaccessdata.fda.gov
Exposure-Response Relationships — Study Design, Data Analysis, and Regulatory Applicationsfda.gov
Comparison of Four Basic Models of Indirect Pharmacodynamic Responsespmc.ncbi.nlm.nih.gov
Physiologic indirect response models characterize diverse types of pharmacodynamic effectspubmed.ncbi.nlm.nih.gov
Guideline on the use of pharmacokinetics and pharmacodynamics in the development of antimicrobial medicinal productsema.europa.eu
M13A Bioequivalence for Immediate-Release Solid Oral Dosage Formsfda.gov
FDA publishes two final guidances for industry: “Bioequivalence Studies With Pharmacokinetic Endpoints for Drugs Submitted Under an ANDA” and “Statistical Approaches to Establishing Bioequivalence”content.govdelivery.com
Clinical pharmacology and pharmacokinetics: questions and answers - Scientific guidelineema.europa.eu
Clinical Pharmacology Section of Labeling for Human Prescription Drug and Biological Products — Content and Format Guidance for Industryfda.gov
Physiologically Based Pharmacokinetic Analyses — Format and Content Guidance for Industryfda.gov
Application of Physiologically Based Pharmacokinetic (PBPK) Modeling to Support Dose Selection: Report of an FDA Public Workshop on PBPKpmc.ncbi.nlm.nih.gov