Vancomycin AUC Calculator（萬古黴素 AUC 導向劑量計算器）

繁體中文、純前端、可離線、GitHub Pages 部署的萬古黴素 AUC 導向劑量工具。 臨床數據集中於 js/constants.js，不寫死於邏輯。

🔗 線上使用：https://liangrxdev.github.io/vanco-auc-calc/

⚕️ 僅供臨床決策輔助，不取代專業判斷。所有劑量須經藥師/醫師覆核。

定位

	本工具	clincalc / vancocalc / vancopk
語言	繁體中文（市面唯一）	英文
方法	透明公開（顯示公式與模型參數）	多為 Bayesian
Bayesian	Goti 2018 二室 MAP，先驗參數公開
部署	純前端、可離線、免伺服器	多需線上
實證	每項建議連結證據來源	—

GitHub 調研（2026-07-03）：無主流開源純前端 Vanco AUC 計算器，無任何繁中版 → 藍海，原生開發。

功能（v0.2.0）

Mode 1｜經驗起始劑量（尚無血中濃度）

• Cockcroft-Gault CrCl → 負荷 20–25 mg/kg TBW（cap 3000）
• 維持：族群 CL（Matzke）反推目標 AUC（滑桿 400–600，預設 500），非 mg/kg
• ⚠ 為何不用 mg/kg：15–20 mg/kg q8–12h 是 trough 時代法，會系統性衝破 AUC 400–600（實測對應 AUC 770–1500）。改用 TDD = 目標AUC × 族群CL，與 Mode 2/ClinCalc 同邏輯。經 ClinCalc 交叉驗證（見 docs/validation.md）

Mode 2｜雙點反算 AUC + 調整（已有兩點濃度）

• 間隔內任兩時刻濃度 → Sawchuk-Zaske 算 ke/Vd/CL → 完整兩段式 AUC（輸注梯形 + 消除對數梯形）
• 對照目標 400–600 → 比例線性外推各間隔劑量建議

Mode 3｜Bayesian AUC（1–2 點，可非穩態）

• Goti 2018 二室族群 PK 模型為先驗；RK4 模擬給藥史，MAP（Sheiner-Beal 目標函數）+ Nelder-Mead 最佳化求個體 CL/Vc/Vp
• 優勢：單一濃度、非穩態、早至首劑後即可估 AUC
• 輸出：個體 PK（先驗→個體 η）、擬合檢核、達目標劑量建議（穩態峰/谷）
• 安全閘門（v0.3.0）：多起點收斂檢查、NaN 守衛、非穩態取樣標「穩態投影」、AUC>600 改結構化處置（不逕給單行減量）

⚠️ 血液透析（HD）為 experimental / research-use：Goti 模型僅含二元透析共變數（CL×0.7、Vc×0.5），未建模透析清除率、intradialytic dosing 與 post-HD 再分布。HD 之 Bayesian 輸出僅供 AUC 估計參考、不產生具體劑量建議，須臨床人員自行判斷。

適用族群：成人（≥18 歲）正常腎功能、肥胖（BMI≥30）、腎功能不全。 受限 / 不涵蓋：間歇性 HD（research-use，見上）；CRRT / SLED / ECMO / 兒童 / 孕婦（未建模或先驗不適用，見工具內警示）。

⚠️ 兩個關鍵設計約束

1. 體重雙用：Vanco 劑量 mg/kg 用 actual body weight (TBW)；Cockcroft-Gault CrCl 用 AdjBW（肥胖）= IBW + 0.4×(TBW−IBW)。
2. AUC 完整兩段式（Mode 2）：AUC_τ = (Cmax+Cmin)/2×t_inf + (Cmax−Cmin)/ke，非僅消除期簡化式（後者低估 ~10%，已於 pk.test.js 佐證 9.5%）。

Phase 3（未開工）

• Crass 2018 肥胖 CLV 作為 Bayesian 先驗選項
• CRRT / 持續輸注（CI）
• 給藥史「完整事件列」進階模式（目前為規則方案）

架構

vanco-auc-calc/
├── index.html          # 單頁，三 tab
├── js/
│   ├── constants.js    # 臨床常數（VANCO / CG / GOTI，集中管理）
│   ├── pk.js           # 一室藥動學純函式（Mode 1/2）
│   ├── pk.test.js      # sanity test（17/17）
│   ├── bayes.js            # 二室 Bayesian MAP 引擎（Mode 3；含收斂/多起點/NaN 守衛）
│   ├── bayes.test.js       # sanity test（31/31）
│   ├── bayes.validation.js # L1 解析解 oracle + L2 模擬-估計（可重跑）
│   ├── bayes.golden.test.js# golden-master 回歸基準（21/21）
│   ├── safety.js           # 確定性安全層（eligibility / 濃度守衛 / 擬合守衛 / AUC 分級）
│   ├── safety.test.js      # 安全行為 C-cases（31/31）
│   └── ui.js               # DOM 綁定與渲染
└── css/style.css           # Noto Sans TC + DM Mono、BEM

技術：純 HTML/CSS/JS 無框架（同 bicarb-dosing-calc）。

測試

node js/pk.test.js           # Mode 1/2（一室、Sawchuk-Zaske）              17/17
node js/bayes.test.js        # Mode 3（收斂旗標、NaN 守衛、穩態 AUC）        31/31
node js/safety.test.js       # 安全層行為（BLOCK/WARNING 觸發正確性）        31/31
node js/bayes.golden.test.js # golden-master 回歸基準                        21/21
node js/bayes.validation.js  # L1 解析解 oracle（硬 gate）+ L2 模擬-估計（N=1000）

⚠️ *.test.js 多為 verification（自洽一致性）。真正的 Mode 3 validation 走 bayes.validation.js：L1 以獨立解析解交叉驗證 RK4（打破 round-trip 循環性），L2 以模擬-估計量測 bias/precision/shrinkage。詳見 docs/bayes-validation.md。

Validation status

範圍	狀態
Mode 1/2 數值	有限數學驗證 + 對 ClinCalc 選定案例交叉核對（見 docs/validation.md）
Mode 3 引擎	L1 獨立解析解 oracle：PASS（RK4 vs 封閉解 <1e-6）；L2 模擬-估計：完成（N=1000，若 Goti 為真估計器無偏）。見 docs/bayes-validation.md
外部 Bayesian 對照	商用工具 / 富取樣 AUC：未執行
前瞻臨床驗證	未執行

參考文獻（References）

臨床指引與模型：

• Rybak, M. J., Le, J., Lodise, T. P., Levine, D. P., Bradley, J. S., Liu, C., Mueller, B. A., Pai, M. P., Wong-Beringer, A., Rotschafer, J. C., Rodvold, K. A., Maples, H. D., & Lomaestro, B. M. (2020). Therapeutic monitoring of vancomycin for serious methicillin-resistant Staphylococcus aureus infections: A revised consensus guideline and review by the American Society of Health-System Pharmacists, the Infectious Diseases Society of America, the Pediatric Infectious Diseases Society, and the Society of Infectious Diseases Pharmacists. American Journal of Health-System Pharmacy, 77(11), 835–864. https://doi.org/10.1093/ajhp/zxaa036

• Goti, V., Chaturvedula, A., Fossler, M. J., Mok, S., & Jacob, J. T. (2018). Hospitalized patients with and without hemodialysis have markedly different vancomycin pharmacokinetics: A population pharmacokinetic model-based analysis. Therapeutic Drug Monitoring, 40(2), 212–221. https://doi.org/10.1097/FTD.0000000000000459

• Crass, R. L., Dunn, R., Hong, J., Krop, L. C., & Pai, M. P. (2018). Dosing vancomycin in the super obese: Less is more. Journal of Antimicrobial Chemotherapy, 73(11), 3081–3086. https://doi.org/10.1093/jac/dky310

• Chen, A., Gupta, A., Do, D. H., & Nazer, L. H. (2022). Bayesian method application: Integrating mathematical modeling into clinical pharmacy through vancomycin therapeutic monitoring. Pharmacology Research & Perspectives, 10(6), e01026. https://doi.org/10.1002/prp2.1026

• Broeker, A., Nardecchia, M., Klinker, K. P., Derendorf, H., Day, R. O., Marriott, D. J., Carland, J. E., Stocker, S. L., & Wicha, S. G. (2019). Towards precision dosing of vancomycin: A systematic evaluation of pharmacometric models for Bayesian forecasting. Clinical Microbiology and Infection, 25(10), 1286.e1–1286.e7. https://doi.org/10.1016/j.cmi.2019.02.029

計算方法（PK/statistics）：

• Sawchuk, R. J., & Zaske, D. E. (1976). Pharmacokinetics of dosing regimens which utilize multiple intravenous infusions: Gentamicin in burn patients. Journal of Pharmacokinetics and Biopharmaceutics, 4(2), 183–195. https://doi.org/10.1007/BF01086153

• Matzke, G. R., McGory, R. W., Halstenson, C. E., & Keane, W. F. (1984). Pharmacokinetics of vancomycin in patients with various degrees of renal function. Antimicrobial Agents and Chemotherapy, 25(4), 433–437. https://doi.org/10.1128/AAC.25.4.433

• Sheiner, L. B., Beal, S., Rosenberg, B., & Marathe, V. V. (1979). Forecasting individual pharmacokinetics. Clinical Pharmacology & Therapeutics, 26(3), 294–305. https://doi.org/10.1002/cpt1979263294

授權

MIT License（見 LICENSE）。臨床內容僅供教育與決策輔助用途。