（一）单纯集聚法（NPD）
NPD法将所有个体的原始数据集中，共同对模型拟合曲线，确定群体药代动力学参数。
该法采用简单的非线性最小二乘法，在血药浓度方差非齐性时难以解决权重问题。忽视了个体间的药代动力学差异，把所有的数据看作来自于同一个体，误差表现为混合误差，不能把个体间变异从总变异中区分出来，导致对参数估算粗略，得不到个体间变异。只能估算单项参数之均值，其参数估计精密度较差，所有这些导致其临床使用价值不大。
（二）传统二步法（traditional standard two stage method，STS）
STS法首先利用加权广义最小二乘法对个体原始药－时数据进行各自的曲线拟合，求得个体药代动力学参数；第二步将个体化参数进行统计分析，以得到群体参数的均值及个体间和个体内的变异，最后分析特定的药代动力学参数与人口统计特征量（demographic characteristics）的关系，如清除率与肾功能、分布容积与体重的关系。
STS法是计算群体药代动力学参数的传统方法，需在每个受试者身上取得对药物处置的最大量的信息，受试者人数较少，多为轻症患者或健康志愿者，所以只能处理点数多的均匀数据；能提供较准确的群体药代动力学参数的点估计，但它依赖于个体药代动力学参数估算，当存在较大的个体间变异时，由于不准确的个体参数进入统计导致偏差，置信区间增大，对个体间变异的估算往往偏高。当多种固定效应因素影响药代动力学参数时，STS法一般采用按单因素分组，比较各因素的影响，而且受试者少。其优点是方法简单、容易掌握，有许多软件可供使用，同时对于研究者来说，统计学部分比较直观，较为熟悉。
（三）迭代二步法（iterative two stage method，ITS）
ITS法首先需要建立一个近似的群体预模型（aprior population model），这些群体药代动力学参数可通过下列途径获得：①文献报道；②基于现有研究数据的NPD法的计算结果，再加上对参数变异性的合理选择；③STS法的计算结果。将这些近似的参数作为所有患者个体化参数贝叶斯估定值。以新的个体参数重新计算得到的群体参数作为新的近似群体值，再重复贝叶斯估定步骤以得到更为准确的个体参数。如此重复直至新老近似值的差值为零。
该法适合于充足的数据、含有充足和稀疏数据的混合数据或仅仅是稀疏的数据。也是先求出个体参数，再估算群体参数，在固定效应和随机效应的分析上相对较弱。此法可用支持贝叶斯估算及最小二乘法的软件来求算，也可应用USC软件包。此外，1994年市场上推出了基于ITS法的群体药代动力学软件（PPHARM）。
（四）非参数法（nonparametric methods，NPM）
参数法求解药代动力学参数的前提是假设未知参数的概率分布符合正态或对数正态分布。而非参数法则没有这些限制，它可以适用于多种概率分布。目前基于这种原理的算法有三种：①Mallet提出的非参数最大似然法（nonparametric maximum likelihood，NPML）；②非参数最大期望值法（nonparametric expectation maximization，NPEM）；③拟参数法或称半参数法（semi nonparametric，SNP）。
该法无结构模型的限制和个体内及个体间方差分布的限制，通过算出药代动力学参数的联合概率密度分布函数，并通过这个函数求出两个参数的方差及其相关性好坏，因此，可以找出描述观测值的分布情况的最佳函数，并能处理双峰分布或多峰分布的群体数据，从群体药代动力学研究水平发现可能存在的遗传多态性。
（五）吉布斯取样法（Gibbs sampler，GS）
Best等提出了一种更为通用的分析群体数据的方法，它可应用于较广范围的复杂模型，而同时却没有诸如NONMEN法中的某些限制。此法并不需要计算出确切的或近似的参数估算值，而是通过一种称为吉布斯取样（Gibbs sampling）的计算法对所感兴趣的参数给出一系列模拟值，这些值可用来重新组成每一参数的概率，或进行适当简化，以提供确切值或某个范围的数值。
（六）非线性混合效应模型法（NONMEM）
简称混合效应模型法（MEM），又称一步法，介于NPD法与STS法之间，把患者的原始药－时数据集合在一起，同时考虑到食物、遗传、合并用药及生理、病理等因素，把经典的药代动力学模型与各固定效应模型，以及个体间、个体自身变异的统计模型结合起来，一步求算出群体药代动力学参数。非线性混合效应模型（nonlinear mixed effect model，NONMEM）是1977年由Sheiner正式提出，并主要用于临床常规监测稀疏数据群体分析的数学方法和模型，基础的药代动力学模型决定药代动力学参数，固定效应模型估算确定性变异，统计学模型确定随机性变异。将固定效应和随机效应统一考察，利用扩展非线性最小二乘法原理一步估算出各种群体药代动力学参数，即为非线性混合效应模型。
NONMEN法能处理非均匀的临床常规监测的数据，易为患者接受，适合于临床开展，得到的参数也更符合临床患者的群体特征。结合了药代动力学模型、统计模型，在考察固定效应时还引入了结构模型，同时对多因素进行综合考虑。采用了与这些复杂的误差结构相应的扩展最小二乘法改进目标函数，解决了一般非线性最小二乘法中难以解决的权重问题，用可靠的假设检验手段来判别各因素是否对药代动力学过程有显著性影响，并定量研究这些固定效应参数。
Sheiner和Beal等假设药代动力学参数服从一元正态或对数正态分布，用FORTRAN语言编制成非线性混合效应模型程序（NONMEM程序，简称NONMEM），成为临床监测群体分析中强有力的工具，是目前国际上就模型、算法和统计分析的可行性进行评价最多和最全面的群体药代动力学软件，也是应用最为广泛的、功能开发最成熟的。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
