臨床試験における適格性パターンシフトの定量化：早期リスク検出のためのデータ駆動型パラダイム

科学分野:

• 臨床試験方法論
• ヘルスケアにおけるデータ駆動型分析
• 規制科学

背景:

• 従来のRBMは、患者の適格性の異質性を見落としがちです。
• 既存のRBM指標は、サイトのパフォーマンスに焦点を当てていますが、登録パターンのシフトには焦点を当てていません。

研究 の 目的:

• 患者のベースライン包含特性の時間的およびサイト間のシフトを捉えるためのデータ駆動型フレームワークを提示すること。
• 期待される登録パターンからの逸脱を定量化するための新しい指標を導入すること。

主な方法:

• 境界包含指数と適格性分布逸脱指標を組み込んだフレームワークを開発しました。
• ベイズ複合スコアを利用して、監視の優先順位付けのための指標を統合しました。
• 意思決定支援のためのインタラクティブなShinyウェブアプリケーションを介してフレームワークを運用化しました。

主要な成果:

• このフレームワークは、適格性プロファイルの時間的およびサイト間のシフトを効果的に捉えます。
• 適格性パターンシフトの監視は、運用上または科学上のリスクの早期警告信号を提供します。
• 開発された指標と複合スコアは、臨床試験全体の整合性を強化します。

結論:

• 提案されたデータ駆動型フレームワークは、患者の適格性に焦点を当てることによって従来のRBMを強化します。
• 登録パターンのシフトの早期検出は、臨床試験の監視と整合性を向上させます。
• インタラクティブなアプリケーションは、中央RBMの実装と意思決定を容易にします。