在进行第二次口服（或肌肉注射），前次口服（或肌肉注射）的药物已随血液全部进入中心室的条件下，分析知，t??T,2T?时，血药浓度初始条件为（40）和f0(t)?0。
将初始条件代入（4）求解，可表示出t??T,2T?时的血药浓度变化：
?Dk1T?Vekt,?c(t)??(k?k1)TDke?11?,kt??V(k?k1)ek?k1
(41)
??k?k1将t?2T代入（41）得：
同理可推t??2T,3T?时血药浓度变化：
?Dk1T?Ve2kT,?c(2T)??(k?k1)TDke?11?,2kT?V(k?k)e1?k?k1
??k?k1?Dk1Tk?k1?Ve2kt,? (42) c(t)??(k?k1)TDke?1?1,k?k12kt??V(k?k1)e根据方程（39）、（41）、（42）可画出口服或肌肉注射给药方式下，血药浓度的变化如下图9：
??
图9：多次重复口服或肌肉注射血药浓度变化
六、模型评价与推广
优点：
1.模型解题过程相对详细，便于理解； 2.模型实用性强，便于应用和推广。 缺点：
1.模型假定中心室在给药过程中容积不变，使得模型的求解结果存在误差； 2.模型忽略了中心室与其他房室的药物转移使得模型结果不够精确；
10
应用与推广：
一室模型可应用于新药研发，剂量确定，给药方案设计等。为了得到更加完善的给药方案，可以将该模型推广到二室模型甚至多室模型。二室和多室模型的求解较为复杂，需要建立微分方程组，也因此可以得到更为精确结果。
参考文献
?1?姜启源, 数学模型（第三版）[M], 北京：高等教育出版社，1999。
11
附录
程序1 （图2） x=0:0.1:30;
y=65*exp(-0.43*x); plot(x,y)
>> axis([0 10 0 68])
>> set(xlabel('时间 t'),'fontsize',24)
>> set(ylabel('血药浓度c(t)'),'fontsize',24) >> set(ylabel('血药浓度 c(t)'),'fontsize',24) >> set(gca,'xtick',[],'ytick',[])
程序2 （图3） x1=0:0.001:10; x2=10:0.001:30;
y2=0.36*(1-exp(-0.21*10))*exp(-0.21*(x2-10)); y1=0.36*(1-exp(-0.21*x1)); x=[x1,x2]; y=[y1,y2]; plot(x,y)
>> axis([0 20 0 0.35])
>> set(xlabel('时间 t'),'fontsize',24)
>> set(ylabel('血药浓度 c(t)'),'fontsize',24) >> set(gca,'xtick',[],'ytick',[])
程序3（图5） x=0:0.01:100;
y=0.41*x.*exp(-0.21*x);
>> m=(0.41/-0.13)*exp(-0.13*x).*(exp(-0.13*x)-1); >> plot(x,y,x,m)
>> axis([0 30 0 0.8]) >> axis([0 30 0.2 0.8]) >> axis([0 30 0.1 0.8]) >> axis([0 30 0.05 0.8]) >> axis([0 20 0.05 0.8])
>> set(xlabel('时间 t'),'fontsize',24) set(ylabel('血药浓度 c(t)'),'fontsize',24) set(gca,'xtick',[],'ytick',[])
程序4（图6） x1=0:0.01:5; x2=5:0.01:10; x3=10:0.01:15;
y2=3.5*(1+exp(-0.28*5))*exp(-0.28*(x2-5)); y1=3.5*exp(-0.28*x1);
12
y3=3.5*(1+exp(-0.28*5)+exp(-2*0.28*5))*exp(-0.28*(x3-10)); x=[x1,x2,x3]; y=[y1,y2,y3]; plot(x,y)
axis([0 15 0 5])
>> set(xlabel('时间 t'),'fontsize',24) set(ylabel('血药浓度 c(t)'),'fontsize',24) set(gca,'xtick',[],'ytick',[])
程序5（图7） x1=0:0.01:5; x2=5:0.01:10; x3=10:0.01:15;
y2=3.5*(1+exp(-0.28*5))*exp(-0.28*(x2-5)); y1=3.5*exp(-0.28*x1);
y3=3.5*(1+exp(-0.28*5)+exp(-2*0.28*5))*exp(-0.28*(x3-10)); x=[x1,x2,x3]; y=[y1,y2,y3]; plot(x,y)
axis([0 15 0 5])
>> set(xlabel('时间 t'),'fontsize',24) set(ylabel('血药浓度 c(t)'),'fontsize',24) set(gca,'xtick',[],'ytick',[])
程序6（图8） x1=0:0.01:10; >> x2=10:0.01:20; >> x3=20:0.01:30; >> x4=30:0.01:40;
>> y1=0.32*(1-exp(-0.21*x1));
y2=0.32*(exp(0.21*(10-x2)))*(1-exp(-0.21*10)); >>
y3=0.32*(1-exp(-0.21*(x3-20)))+0.32*exp(0.21*(10-x3)*(1-exp(-0.21*10)));
y4=0.32*(1+exp(-0.21*20))*(exp(0.21*10)-1)*exp(-0.21*(x4-20)); >> x=[x1 x2 x3 x4]; >> y=[y1 y2 y3 y4]; >> plot(x,y)
set(xlabel('时间 t'),'fontsize',24)
set(ylabel('血药浓度 c(t)'),'fontsize',24) set(gca,'xtick',[],'ytick',[])
程序7（图9） x1=0:0.01:5;
13
x2=5:0.01:10;
x3=10:0.01:15;x4=15:0.01:20; y1=0.32*x1.*exp(-0.21*x1); y2=0.32*5*exp(-0.21*x2);
y3=0.2+0.32*(x3-10).*exp(-0.21*(x3-10));y4=0.2+0.32*5*exp(-0.21*(x4-10));
>> m1=(0.32/0.11)*exp(-0.21*x1).*(exp(0.11*x1)-1); m2=(0.32/0.11)*(exp(0.11*5)-1)*exp(-0.21*x2);
m3=0.24+(0.32/0.11)*(exp(0.11*(x3-10))-1).*exp(-0.21*(x3-10)); m4=0.22+(0.32/0.11)*(exp(0.11*5)-1)*exp(-0.21*(x4-10)); >> x=[x1 x2 x3 x4]; y=[y1 y2 y3 y4]; m=[m1 m2 m3 m4];
>> plot(x,y,'--',x,m)
set(xlabel('时间 t'),'fontsize',24)
set(ylabel('血药浓度 c(t)'),'fontsize',24) set(gca,'xtick',[],'ytick',[])
14