引言：Phoenix Model的“输入选项（Input Options）”选项卡的“错过此因变量的观测?(MDV?)”复选框勾选后，允许额外的映射一个“MDV”字段，以便于从原始数据集中排除掉一些数据点。

1.界面变化

   1.1.勾选“日期?(Date?)”复选框前的界面：

   1.2.勾选“日期?(Date?)”复选框前的界面：

2.应用示例：

   2.1.假设现在有一个这样的试验：

   2019年3月28日是试验得第一天；

   给药方案，试验第一天在上8点口服100mg药物，下午4点口服100mg药物，然后每天都重复该给药方案，持续到第4天；

   采样，第1天8点给药后采集1、2、4、6时刻得血样，第4天8点给药后采集1、2、4、6时刻得血样。

   2.2.数据集构建

   2.2.1场景1，使用全部数据用于建模分析

   2.2.2. 场景2.仅使用第4天8点给药后的血药数据进行建模

   2.2.2.1不使用MDV列构建数据集：

   2.2.2.2使用MDV列构建数据集：

   勾选“错过此因变量的观测?(MDV?)”复选框，并把”MDV”数据列映射至“MDV”字段。

   2.2.3对于第二种种场景，2.2.2.1和2.2.2.2这两个数据的效果是等价的。

3.小结：

   通过上述示例我们可以看出，MDV的作用其实是一种数据筛选手段；

   “哪为什么不直接对数据集进行筛选，而要额外使用MDV这个数据列呢？”

   这是因为，在计算机早期时代，并没有如现在Phoenix这样方便的历史记录与可视化工作流程功能，人们为了确保原始数据的一致性，所以通过在修改原始数据的情况下，通过额外新增数据标志列的方式来完成对数据筛选与分析，这在当时来说是非常好的一种手段，但对现在来说，可有可无。

   Phoenix通过包含依赖关系且即时更新的工作流程，将过去被混杂在一起的数据准备、模型结构、计算方式、运行模型、结果报告等步骤，清晰的进行分离使用户在建模的时候思路清晰，线索清楚，保证灵活性的同时也保障了建模程可追溯性，极大的降低了学习群体药代动力学这门新型学科的学习曲线。