在使用序列挖掘的临床试验中,用于临床试验的遵守行为模式分析

科学领域:

• 临床研究方法论临床研究方法论
• 分析患者的行为.
• 在医疗保健中的数据挖掘.

背景情况:

• 临床试验对于药物和治疗批准至关重要,需要持续的患者参与才能获得有效的结果.
• 在临床试验中,患者的坚持是重大挑战,影响了安全性和疗效数据的可靠性.
• 传统的数据分析方法可能会掩盖与患者参与相关的关键行为模式.

研究的目的:

• 分析来自临床试验的患者行为数据,重点关注调度动态.
• 识别在预约重新安排和日间时间变化中影响患者遵守的模式.
• 探索序列挖掘对于理解和改善临床研究中患者保留的实用性.

主要方法:

• 对数据集的分析,以捕捉患者在多次临床访问中的行为.
• 应用cSPADE算法来提取行为次序.
• 使用Sunburst方法对提取的模式进行可视化,以增强模式识别.

主要成果:

• 经常重新安排预约和一天中的时间变化被确定为影响患者坚持治疗的重要因素.
• 在更高的预约变更率和增加的患者退学率之间发现了强烈的关联.
• 序列挖掘揭示了与坚持相关的复杂行为模式,这些模式在表格数据中并不明显.

结论:

• 灵活的日程安排和尽量减少预约重新安排对于提高临床试验中患者保留率至关重要.
• 序列挖掘为与坚持相关的行为提供了有价值的见解,为改善患者参与的策略提供了信息.
• 这种方法方法可以指导未来的临床试验协议设计和操作决策.