如何调整当前的瘤数据集,以支持在临床试验中自动招募患者?
Maria-Luisa Marino1, Lara Kazmaier1, Antonia Krendelsberger1
1Comprehensive Cancer Center (CCC Munich LMU), LMU University Hospital, Munich, Germany.
Health informatics journal
|March 16, 2024
概括
瘤学数据集需要进行调整,以便自动招募患者. 缺少关键标准,如并发症,这限制了全球试验招生有效性.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 临床试验管理 临床试验管理
背景情况:
- 对于高效的临床试验,自动化患者招募至关重要.
- 现有的瘤数据集可能无法完全支持自动化招聘流程.
- 瘤基础数据集 (oBDS) 是德国关于瘤数据的标准.
研究的目的:
- 确定瘤数据集中的必要调整,以便有效地自动招募患者.
- 评估临床试验包含/排除标准与oBDS的兼容性.
- 要突出阻碍试验招聘的数据缺口.
主要方法:
- 从115个瘤学试验中提取和分类的包含/排除标准 (ClinicalTrials.gov, 2022).
- 试验标准与德国的oBDS版本3.0.0进行了比较.
- 在oBDS中分析了数据领域的存在和试验标准的覆盖范围.
主要成果:
- 只有42.9%的概括性标准通常存在于oBDS.
- 平均54.6%的所有试验特定标准都被oBDS覆盖.
- 伴随性疾病,妊娠状况和实验室值经常缺失在oBDS中,尽管它们是常见的试验标准.
结论:
- 在oBDS中省略关键标准 (例如,并发症) 限制了对患者招募的有用性.
- 通过缺少数据字段来增强 oBDS 将提高其有效性.
- 这些发现对瘤学数据集开发和试验招聘策略具有全球影响.
