À court terme, les trois modèles (exponentiel, Verhulst et Gompertz) vont croître de façon exponentielle. C’est pour cela qu’ils peuvent être paramétrés par rapport au même jeu de données décrivant la croissance longitudinale d’une population. Selon ces données, on peut alors approximer numériquement, à l’aide d’algorithmes, la meilleure valeur à attribuer à chaque paramètre du modèle. On peut configurer un seul paramètre \[(λ)\] dans le modèle exponentiel, ou deux paramètres (\[λ\] et \[K\]) dans les modèles de Verhulst et de Gompertz.
Il est possible d’avoir de l’information additionnelle sur les paramètres dans la littérature. Par exemple, il y a un lien entre le paramètre \[λ\] et le temps de doublement \[T_d\] d’une population pour le modèle exponentiel. Cela peut servir à corroborer le paramètre \[λ\] qui est approximé à l’aide des données. Dans les modèles qui utilisent comme paramètre la taille maximale d’une population, on peut avoir de l’information sur la tumeur la plus volumineuse de ce type de cancer et même l’utiliser comme paramètre \[K\]. Cette étape de validation est très importante puisqu’elle contribue au réalisme et à la crédibilité d’un modèle.
Dans les cas où l’information n’est pas disponible sur le type de cancer ou le type de données nécessaires pour paramétrer un modèle, on peut se servir de l’information sur des types de cancer similaires pour tenter de bâtir un parallèle ; lorsque les données seront disponibles, le modèle pourra être paramétré de nouveau.
Équation d'une population
À court terme, les trois modèles (exponentiel, Verhulst et Gompertz) vont croître de façon exponentielle. C’est pour cela qu’ils peuvent être paramétrés par rapport au même jeu de données décrivant la croissance longitudinale d’une population. Selon ces données, on peut alors approximer numériquement, à l’aide d’algorithmes, la meilleure valeur à attribuer à chaque paramètre du modèle. On peut configurer un seul paramètre \[(λ)\] dans le modèle exponentiel, ou deux paramètres (\[λ\] et \[K\]) dans les modèles de Verhulst et de Gompertz.
Il est possible d’avoir de l’information additionnelle sur les paramètres dans la littérature. Par exemple, il y a un lien entre le paramètre \[λ\] et le temps de doublement \[T_d\] d’une population pour le modèle exponentiel. Cela peut servir à corroborer le paramètre \[λ\] qui est approximé à l’aide des données. Dans les modèles qui utilisent comme paramètre la taille maximale d’une population, on peut avoir de l’information sur la tumeur la plus volumineuse de ce type de cancer et même l’utiliser comme paramètre \[K\]. Cette étape de validation est très importante puisqu’elle contribue au réalisme et à la crédibilité d’un modèle.
Dans les cas où l’information n’est pas disponible sur le type de cancer ou le type de données nécessaires pour paramétrer un modèle, on peut se servir de l’information sur des types de cancer similaires pour tenter de bâtir un parallèle ; lorsque les données seront disponibles, le modèle pourra être paramétré de nouveau.