BE数据处理（以AUC为例）

1、整合数据（最初的血药浓度检测结果数据与winnolin计算的参数结果数据）

2、计算方差

3、计算GMR、CI

install.packages("tidyverse")

install.packages("readxl")

install.packages("PowerTOST")

library(tidyverse)

library(readxl)

library(PowerTOST)

lx_cq <- as_tibble(read_xlsx("1.初始数据.xlsx"))  #如果环境变量与数据集来源一致，可以不加路径

lx_ba <- as_tibble(read_xls("2.PK参数结果.xls"))

lx_ba$Subject <- as.factor(lx_ba$Subject)

lx_ba$Treatment <- as.factor(lx_ba$Treatment)

lx_ba$AUClast <- as.double(lx_ba$AUClast) #转化为因子，或是分类变量

lx_ba$AUClast

new_ba<-lx_ba %>%

  filter(!is.na(AUClast)) %>%

  transmute(Subject,Treatment,AUC=log(AUClast))，提取参数数据中的结果

new_ba

new_cq <- lx_cq %>%

  filter(Nominal_Time==0) %>%

  select(Subject,Sequence,Treatment,Period)

fact_c<-c("Subject","Sequence","Treatment","Period")

new_cq[fact_c] <- lapply(new_cq[fact_c],as.factor)#处理检测数据集

new_cq

fina_join <- left_join(new_ba,new_cq,by=c("Subject","Treatment")) #整合两个处理好的数据集

fina_join

mod <- lm(AUC~Subject+Treatment+Period,fina_join)   #线性处理，得到方差

mse <- anova(mod)[[3]][4]   选择方差位置，提取方差

mse

cv <- mse2CV(mse)   CV计算函数

Mean <- fina_join %>%

  group_by(Treatment) %>%

  summarise(mean=mean(AUC))    #按照参比制剂与受试制剂分类计算AUC的平均值

GMR <- exp(Mean[[2]][2]-Mean[[2]][1])    #计算GMR

GMR 

CI.BE(pe=GMR,CV=cv,n=26)   #计算置信区间的函数