相关实验视频
Updated: Jun 14, 2025

09:09
In Silico Clinical Trials for Cardiovascular Disease
Published on: May 27, 2022
1.7K
在心脏器械和手术中学习曲线的真实数据应用
Usha S Govindarajulu1, David Goldfarb1, Frederic S Resnic2
1Department of Epidemiology and Biostatistics, SUNY Downstate School of Public Health, Brooklyn, NY.
概括
医疗器械学习曲线显著影响患者的安全. 我们灵活的建模方法准确地捕捉了机构内的医生学习率,改善了设备和程序安全监督.
科学领域:
- 医疗器械安全 医疗器械安全
- 医疗服务研究 医疗服务研究
- 生物统计学 生物统计学
背景情况:
- 学习效应显著影响医疗器械程序的结果和安全性.
- 准确估计学习曲线对于医疗器械安全监测至关重要.
- 医生学习率在机构内有所不同,需要等级模型.
研究的目的:
- 评估一种灵活的方法来建模医疗器械程序中的学习效应.
- 为了证明该方法在各种数据集和程序中的适用性.
- 通过捕捉医生学习等级来提高安全监测的准确性.
主要方法:
- 采用独特的学习曲线建模方法,结合机构和医生等级.
- 使用通用估计方程 (GEE) 进行层次数据分析.
- 将模型应用于新的数据集,包括非动脉冠状动脉绕道 (CABG) 和辐射接入程序,并进行调解分析.
主要成果:
- 学习曲线形状的选择 (数列,对数,指数) 是特定于数据集的,影响快速或慢速学习的建模.
- 权序列和对数形状通常更适合慢学习,而指数形状适合快速学习.
- 调解分析显示了适应学习曲线建模的前景.
结论:
- 开发的方法在各种应用中表现出灵活性,包括那些每位患者进行多次手术的应用.
- 准确地捕捉在机构内嵌的医生学习曲线率是可以实现的.
- 这种方法可以全面加强医疗器械和程序安全监督.

