从临床数据中选出被动重吸收模型的检验对象
药物经肾排泄时，肾小球滤过只是第一步。药物沿肾小管流动期间，还可能穿过上皮回到血液，使实际肾清除率低于单靠滤过得到的估计。曼彻斯特大学（University of Manchester）等机构在 European Journal of Pharmaceutical Sciences 发表研究，尝试用体外通透性测量和肾小管生理参数预测这部分被动重吸收。
研究者先整理了 157 种药物的人体肾清除率和相关资料。72 种呈净主动分泌特征的药物被排除在被动重吸收模型检验之外；其余 85 种中，45 种有研究所需的 Caco-2 细胞单层通透性测量，并用于评价模型的肾清除率预测。因而，157 是资料库规模，45 才是主要预测比较的药物数。
临床参照资料主要来自健康成人研究，研究者用血浆游离比例、已报道的肾清除率及肾小球滤过信息计算每种药物的参照值。资料库跨越多类电离状态和较宽的清除率范围；模型检验有意排除了净分泌占优势的药物，因此这 45 种药物代表以滤过和被动重吸收为主的检验范围。
五室模型把肾小管各段的流量和表面积纳入计算
模型将肾小球与近端小管、亨利袢、远端小管和集合管分别表示为 5 个部分。各段采用不同的管腔流量和表面积参数，再把 Caco-2 单层在 pH 6.5–7.4 梯度下测得的表观通透性用于估算药物穿过肾小管上皮的程度。药物在各段的重吸收比例汇总后，模型计算最终的肾排泄清除率。
这种设计可以检验一个具体问题：若只按肾小球滤过估计，会对高重吸收药物产生多大偏差。它也要求体外通透性向人体肾小管换算时处理表面积差别；研究者在结果中专门比较了是否考虑细胞表面微绒毛造成的面积差异。
在参数敏感性分析中，研究者比较了只用近端小管一段、分为多个肾小管段，以及是否按微绒毛差异调整表面积等方案。模型通过分段结构反映管液沿途减少、重吸收表面积变化，以及药物通透性与这些条件共同影响最终排泄的过程。
45 种药物中，87% 的预测落在临床值 3 倍范围内
只计算肾小球滤过时，45 种药物有 58% 的预测值处于临床观察值的 3 倍范围内；加入分段被动重吸收后，比例升至 87%，预测与观察值之间的几何倍数误差为 1.96。对重吸收程度较高的药物，单独依靠滤过尤其容易高估肾清除率。原研究的图 4 将 45 种药物的预测值与观察值逐一对应，展示了模型仍存在的离群点。
模型对部分碱性药物仍有低估清除率的趋势。若换算时不考虑 Caco-2 细胞与肾小管细胞表面微绒毛的差别，落在 3 倍范围内的比例只有 27%。这些结果表明，体外通透性数据进入计算模型时，细胞测量条件与人体肾小管几何参数会直接影响预测表现。
按重吸收程度拆开看，16 种高度重吸收药物若只用滤过预测，没有一种落在临床值 3 倍范围内；纳入肾小管被动重吸收后，达到这一范围的有 81%。相反，低重吸收药物单独用滤过已较容易预测。模型最明显的增量出现在滤过量和实际排泄量差距较大的药物上。
窄屏可横向滑动查看完整图表。
11 种药物校准后，再用 34 种药物做内部检验
研究者进一步选取 11 种药物作为通透性校准参照，剩余 34 种药物作为内部验证组。完成校准后，34 种中有 31 种的肾清除率预测值落在临床值 3 倍范围内；把参照和验证药物合计，45 种中为 41 种。校准主要改善了部分碱性药物和中等通透性药物的预测。
这项工作把临床肾清除率资料、体外上皮通透性和分段肾小管模型接到同一条预测链上。本文检验范围以滤过和被动重吸收为主；净主动分泌药物已在建模比较前排除，34 种药物的检验也属于同一研究内的校准后验证。后续若将主动分泌、肾代谢或不同人群的生理变化纳入模型，还需另行获得相应数据。
这套校准使用与待检药物同属本研究资料库的 11 种参照药物，随后在余下 34 种药物上计算预测误差，因此是内部验证。原论文并未用来自另一个实验室的新通透性数据集，独立测试这一校准系数能否直接迁移。对临床肾清除率非常低的药物，重吸收比例的微小变化还可能对应较大的相对误差。