相关实验视频
Updated: Jun 24, 2026

A Within-Subject Experimental Design using an Object Location Task in Rats
Published on: May 6, 2021
使用真实世界数据策略 (RWD) 估计的主体内生物变异:系统性审查
Fernando Marques-García1, Ana Nieto-Librero2, Xavier Tejedor-Ganduxe1
1University Hospital Germans Trias i Pujol, Badalona, Spain.
生物变异 (BV) 研究对临床实验室至关重要. 新的真实世界数据 (RWD) 方法为传统方法提供了替代方案,提供更强大的生物标志物分析和个性化的患者护理.
科学领域:
- 临床化学 临床化学
- 生物标记分析 生物标记分析
- 实验室医学 实验室医学
背景情况:
- 生物变异 (BV) 量化了在恒温设定点周围测量和度的变化.
- BV对于建立分析性能规范,参考变化值和个性化参考间隔至关重要.
- 传统的BV研究往往是艰苦的,昂贵的,并且基于有限的理想人群.
研究的目的:
- 探索现实世界数据 (RWD) 策略的应用,以估计生物变异.
- 将RWD方法与BV研究的传统直接方法进行比较.
- 评估拟议的RWD算法用于生物标志物分析.
主要方法:
- 对生物变异估计的现有文献的审查.
- 使用实验室信息系统 (LIS) 数据对现实世界数据 (RWD) 策略的分析.
- 对三种拟议的RWD算法进行检查 (Loh等人,Jones等人,Marques-Garcia等人). 以及BiVaBiDa项目算法.
主要成果:
- RWD方法为BV估计提供了基于人口的方法,克服了直接方法的局限性.
- 确定BiVaBiDa算法是最完整的RWD方法,可以进行子组分析和置信区间计算.
- 与直接方法相比,RWD方法可以进行更详细的人口子组分析.
结论:
- RWD方法为生物变异研究提供了一个有希望的替代方案,增强了生物标志物分析.
- 需要进一步开发RWD算法以提高稳定性并解决数据匿名化和标准化挑战.
- 通过更准确的生物标志物解释,RWD策略有可能显著推进个性化医疗.
更多相关视频
08:27Large-Scale Multi-Omics Genome-Wide Association Studies Mo-GWAS: Guidelines for Sample Preparation and Normalization
Published on: July 27, 2021
09:33Visualizing Field Data Collection Procedures of Exposure and Biomarker Assessments for the Household Air Pollution Intervention Network Trial in India
Published on: December 23, 2022
相关概念视频
Group Design
Regression Toward the Mean
Randomized Experiments
Simple randomization
Simple...
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast, controlled...
Bioequivalence Experimental Study Designs: Completely Randomized and Randomized Block Designs
Bioequivalence Experimental Study Designs: Repeated Measures, Cross-Over, Carry-Over, and Latin Square Designs