我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

建立一个更强的临床试验行业流行后:Modal-Guided设计


想要一个免费的PDF版本的这个行业洞察力?

完成下面的表格,我们将电子邮件您的PDF版本“建立更强的临床试验行业流行后:Modal-Guided设计”

188金宝搏备用科技网络有限公司需要您提供的联系方式联系你关于我们的产品和服务。你可以随时取消订阅这些通讯。如何取消订阅的信息,以及我们的隐私实践和承诺保护你的隐私,看看我们隐私政策

临床试验提供创新的核心治疗病人。大流行已经重申了临床试验的重要性,随着疫苗的快速开发和测试提供了一个全球封锁转向正常的途径。然而,关注COVID-19导致很多试验被推迟,取消或缩减——这意味着新药对病人在其他领域的发展已经放缓。与此同时,它暴露了行业中存在的缺陷。从流行中恢复,这个行业现在必须解决这些潜在的问题,它已经困扰好多年了。否则,进一步推迟开发新的治疗方法的风险将会增加。

试验是在过去


我们设计和实现临床试验仍然是一个原始落后的社会 最近的研究 显示,三分之一的所有试验要求显著改善,而另一个第三需要大量的修改。最后第三需要多个修正案,往往最终失败,最失败的边缘。

缺陷试验设计在规划阶段并不明显。他们常常伪装成小操作问题,例如贫穷试验选址,因为试验不是设计时考虑到现实的操作发货,由于旧方法和缺乏数据通知决定。这使得这些问题难以确定和解决。然而,如果赞助商可以优化试验设计和减轻这些缺陷,建模“如果…怎么办?”设计和实现场景在试验开始前,报名费用将会更少的修正案,调查员网站和病人可能是必要的。考虑到估计一个修正案在临床试验中塔夫茨大学耗资500000美元修正案,关键是赞助商评估方法来减少失败的风险。

将试验设计


虽然没有所谓的“完美”协议设计,在当前进程显然有改进的余地。已经显示出强劲的结果的一个方法是模态价值取向的协议设计。模态值数据值,最常出现在历史试验数据所以帮助识别潜在的异常可能会导致操作失败或延迟。利用模态值需要大量历史试验数据发现最常用的协议元素包括年龄、性别、治疗时间、结果评价和治疗比较器,疾病的措施,伴随药物,并发症和实验室参数。换句话说,所有可能的设计元素在整个临床试验协议。然后使用这些数据点应用模态价值的设计。这种方法需要大量的数据量和数据类型,专业知识和投资在技术、机器学习、人工智能、自然语言处理和集成算法。

模态value-guided试验设计能够提供巨大的收益包括金融储蓄和有潜力改变试验计划和实现的方式,包括改善合成控制臂的机会。更重要的是,今天,这个行业能够访问大量的发布数据,公开数据和历史试验数据,使模态value-guided设计更有效。

案例研究:规划不善多发性硬化症研究突显出模态值可以帮助


在试验设计中,探索问题Phesi的多发性硬化症(MS)进行了分析试验(NCT00355134)。这个试验最初被设计成只包括女性患者,这乍一看似乎逻辑作为女性的疾病更加突出。然而,在分析超过29000病人女士从91种不同的试验,结果显示女士的男性患者,导致很大一部分比例2:1的女性。

进一步说,这个试验的规划阶段的问题导致12协议修正案。当审判面临招生问题,研究团队添加25%的调查者网站,包括男性和女性患者。然而,这大大延长报名周期时间和导致患者人群偏离远离2:1的比例。没有先发制人的和广泛的协议设计分析,这个审判面临严重的破坏,影响病人的结果。

第二个女士试验的分析进一步揭示了模态值可以帮助减少协议修正案——甚至消除。Phesi分析第二阶段试验(女士NCT00245622),它最初是设计只包括病人年龄在18岁到45岁。然而,在检查数据从233年其他女士2期临床试验,该行业最常见的值显示患者年龄是18 - 55岁,这意味着最初的试验设计组件破坏招生工作和任何医疗试验得出的结论。经过一系列的协议修改生成的12个月里,试验设计最终回到模态值。有研究小组采用模态value-guided设计从一开始,他们就不会浪费大量的时间和金钱。坦白的说,有一部分失败的临床开发项目可能是在试验设计可避免的缺陷造成的。

一个机会重新思考


大流行给了这个行业'机会重新思考的方式设计和实施试验。修正案在临床试验中被限制或者完全避免如果赞助商可以使用可用的数据,采用了模态value-guided试验设计方法。临床开发公司现在可以通过第三方供应商大量合成的病人数据,现在可以通过预测分析来优化试验设计分析。这些数据在他们的指尖,现在是时候让赞助商关注如何使用它自己的优势,并最终提供关键的治疗患者更快。

满足作者
创Li博士、MBA
创Li博士、MBA
广告
Baidu