TDM bayésien en pratique : mapbayr

Racym Berrah, PharmD PMx Explain Relecture scientifique par l'auteur : 2026-10-12 ORCID

Passer du modèle au patient : estimation MAP et ajustement de dose individuel, avec mapbayr.

01 · Pourquoi ce chapitre

L'aboutissement clinique de la pharmacométrie est le MIPD (model-informed precision dosing) : utiliser un modèle de population plus quelques prélèvements d'un patient pour ajuster sa dose.

En R, mapbayr rend cette estimation bayésienne accessible à partir d'un modèle mrgsolve.

02 · Intuition

On part de ce que dit la population (a priori). Une ou deux concentrations mesurées mettent à jour l'estimation des paramètres du patient. On simule alors sa courbe et on ajuste la dose vers la cible.

Peu de données suffisent, car le modèle « comble » ce qu'on n'a pas mesuré.

03 · La formule décortiquée

L'estimation MAP maximise le posterior : elle minimise l'écart aux données plus un rappel vers la population :

\hat\eta_i = \arg\min_{\eta}\; \underbrace{\sum_j \frac{(y_j - f_j)^2}{\sigma_j^2}}_{\text{données}} + \underbrace{\eta^\top \Omega^{-1} \eta}_{\text{a priori}}

mapbayr (R) : réalise cette estimation MAP à partir d'un modèle mrgsolve et de quelques concentrations, puis propose la dose atteignant la cible.

04 · Exemple concret

Un patient sous vancomycine : une résiduelle est mesurée. mapbayr estime sa clairance (ex. augmentée), simule son AUC₂₄, et propose la dose qui atteint la cible AUC/CMI. L'intérêt par rapport à un abaque fixe dépend du modèle populationnel, du design, de l'information portée par le prélèvement et de la transportabilité à ce patient.

C'est le même raisonnement que le chapitre TDM, outillé pour la pratique.

05 · Piège fréquent

Un bon outil ne corrige pas un mauvais modèle a priori.

06 · À retenir

Le MIPD individualise la dose à partir du modèle (a priori) et de mesures du patient.
L'estimation MAP = données + rappel vers la population ; peu de prélèvements suffisent.
mapbayr (R) réalise le MAP à partir d'un modèle mrgsolve et propose la dose cible.
Dépend de la qualité de l'a priori, du design, du moment du prélèvement et de la transportabilité.

Point de contrôle

Vérifiez votre compréhension

Q1. L'estimation MAP (maximum a posteriori) combine...

Q2. mapbayr (R) s'appuie sur...

Q3. Le MIPD (model-informed precision dosing) vise à...

Exercices d'entraînement

Activités guidées

Cas en plusieurs étapes combinant calcul, interprétation et raisonnement.

Activité guidée · 10 min · Niveau 2

Auditer l’historique avant MAP

Calcul · InterprétationÀ commencer

Citer cette page

Berrah R. TDM bayésien en pratique : mapbayr. PMx Explain, 2026. https://rberrah.github.io/pharmacometrie/chapitres/tools-mipd/

@misc{berrah2026toolsmipd,
  author       = {Berrah, Racym},
  title        = {{TDM bayésien en pratique : mapbayr}},
  howpublished = {PMx Explain},
  year         = {2026},
  url          = {https://rberrah.github.io/pharmacometrie/chapitres/tools-mipd/},
  note         = {Texte actuel sous licence CC BY-NC-SA 4.0}
}