CN112655051A - 用于识别登记参加临床试验的受试者的方法和系统 - Google Patents
用于识别登记参加临床试验的受试者的方法和系统 Download PDFInfo
- Publication number
- CN112655051A CN112655051A CN201980032314.0A CN201980032314A CN112655051A CN 112655051 A CN112655051 A CN 112655051A CN 201980032314 A CN201980032314 A CN 201980032314A CN 112655051 A CN112655051 A CN 112655051A
- Authority
- CN
- China
- Prior art keywords
- clinical trial
- investigator
- subject
- subjects
- location
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012360 testing method Methods 0.000 description 19
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 238000011282 treatment Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000009533 lab test Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 2
- 230000012953 feeding on blood of other organism Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000008194 pharmaceutical composition Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明的实施例有利于促进临床试验的规划和进行。在实施例中,公开了一种方法,该方法通过识别登记的潜在的受试者和地点来促进临床试验的登记阶段以及临床试验规划。
Description
相关申请
根据35U.S.C.§119,本申请要求于2018年5月14日提交的美国临时申请No.62/671,202的优先权并享有其权益,该临时申请的全部内容通过引用并入本文。
技术领域
本文公开了用于促进临床试验的规划和进行的方法和系统。在实施例中,公开了一种通过识别登记的潜在的受试者和地点来促进临床试验的登记阶段和临床试验规划的方法。
背景技术
临床试验是将新治疗引入医疗保健系统的过程的重要部分。这样的新治疗可以包括新颖的疫苗、组合物(例如,药物组合物)、饮食补充剂、医疗和/或饮食选择,和/或医疗设备进入医疗保健系统。临床试验可以被用于生成关于安全性、功效、患者依从性、易用性以及与治疗相关的其它主题的数据。临床试验的规模和成本可以有所不同,并且它们可以涉及单个国家或多个国家中的单个研究中心或多个研究中心。
进行临床试验的组织一般寻找将自愿受试者(例如,患者)登记为新治疗或待测治疗/设备/规程的调查者。临床试验可以要求这些受试者在调查者所在地的实验室或放血中心经受实验室工作。如果受试者的位置与按照临床试验方案进行检查和测试的中心的位置之间的距离对于受试者能够为实验室工作提供必要样本的能力造成阻碍,那么会降低临床试验的创造力和功效。
因而,期望用于识别足够靠近实验室或放血中心定位的登记参加临床试验的受试者的方法和系统,以便不阻碍受试者提供用于实验室分析的样本的能力,并在可能的情况下,经由有/无视频链接的电话交谈在非紧急情况下执行其它检查和咨询。通过本发明的方法和系统实现了这个优点和其它优点。
发明内容
在实施例中,本发明提供了一种用于识别登记参加临床试验的受试者的方法,该方法包括:
a)识别临床试验的多个潜在调查者以创建调查者列表;
b)确定每个调查者的位置;
c)识别临床试验的多个可能受试者;
d)确定每个受试者的位置或他们当前医疗保健提供者的位置;
e)选择受试者和调查者之间的指定距离;以及
应用空间集群分析(spatial cluster analysis)以便为每个调查者确定在指定距离内的受试者的数量。
在实施例中,一种方法还包括:为调查者识别在指定距离之外的预定大小的受试者的集群;并且在集群的指定距离内识别附加的潜在调查者。
在实施例中,识别调查者可以基于包括但不限于以下的标准:疾病专长;在过去的临床试验中的表现;关于登记参加过去的临床试验的表现;位置;国家;该地区疾病的发生率或流行率;该地区的处方做法;该地区的处方趋势以及类似标准。
在实施例中,识别受试者和/或确定受试者的位置可以基于去识别化(deindentified)信息。
在实施例中,空间集群分析创建具有关注的特点的集群。关注的特点可以包括以下一项或多项:在调查者的指定距离内的可能受试者的数量;在彼此的指定距离内的可能受试者的数量;该地区疾病的发生率或流行率;该地区的处方做法;该地区的处方趋势以及类似标准。
在实施例中,根据指定距离内的受试者的数量对潜在调查者进行排名,并且基于这个数量潜在地选择/拒绝该潜在调查者。在实施例中,在所选择的调查者的指定距离内的可能受试者的数量包括也被称为对于试验的调查者的受试者推荐的集群。如所指出的,空间集群分析可以创建在彼此的指定距离之内但是在识别出的调查者的先验列表的指定距离之外的受试者的集群。在实施例中,可以将从其它信息源中识别出的在这种集群的所需距离内满足/超过用于初始列表的标准的附加调查者添加到调查者列表。
在实施例中,该方法还包括选择指定距离,并且将该指定距离用作选择调查者的标准,而不使用初始调查者列表。
在另一个实施例中,本发明提供了一种用于识别登记参加临床试验的受试者的国家和国家中的位置的方法,该方法包括:
a)为临床试验创建受试者简档;
b)基于受试者简档来识别多个受试者;
c)确定每个受试者或其医疗保健提供者的位置;
d)进行空间集群分析以创建至少一个集群;
e)确定每个集群中受试者的数量及其位置;
f)识别在调查者的指定距离内的每个集群以进行临床试验;
g)确定临床试验的最优集群数。
在实施例中,创建受试者简档可以包括为试验定义满足纳入/排除标准以及在可用时间方面促进100%遵守试验(例如,过夜医院停留以最小的家庭承诺对个人的破坏性最小)的条件的“理想”受试者简档。
在实施例中,最优集群数可以包括以下特点中的一个或多个:满足临床试验所需的受试者数量的能力;调查者地点的数量;国家的数量;满足监管机构需求的能力;临床试验赞助者的需求。例如,最优集群数可以是这样的数量,其在尽可能少的国家/调查者地点中的受试者数量而言提供满足临床试验的方案需求的能力,同时解决临床试验赞助者的监管需求的数量。
在实施例中,每个可能的受试者包括Icn(k),其中c=1和n=1用在定义的距离内具有k个可能的受试者(k取决于c和n)的第一国家内来识别第一调查者位置;c=1和n=2识别第一国家内的第二可能的调查者位置,并且对于C个国家和具有k(nc)个可能的受试者的n=1,...N(c)个调查者位置以此类推。
在本发明的实施例中,空间集群分析可以由以下公式表示:
最小化国家数量C和∑nc,使得
其中将p设置为与满足研究时间线和受试者实际转化为临床试验患者的可接受确定性水平对应的水平。
在实施例中,位置信息可以包括纬度和经度。GPS数据、邮递区号、物理地址和/或邮政编码可以被用于确定纬度和经度。
用于临床试验的可能受试者可以包括以下属性中的一个或多个:
关注的疾病或病情
关注的遗传特征
关注的年龄或年龄范围
关注的性别
关注的健康史
关注的药物或先前的治疗方案
关注的行为模式;和/或
关注的另一个个人属性。
用于临床试验的可能调查者可以包括以下属性中的一个或多个:
具体的专业知识;
关于过去临床试验的具体经验;
具体的研究经验;
在医疗领域的医学专业和/或科学发现中的具体地位,其程度应使个人被认为是关键意见领袖;
与研究机构和/或医疗设施的关联;
与病人交互的能力;和/或
关注的另一个属性。
附图说明
图1是本发明的实施例的示意图。
图2是在示例中讨论的本发明的实施例中登记参加临床试验的潜在受试者的图示。
图3描绘了在示例中讨论的本发明的实施例中登记参加临床试验的潜在受试者的位置。
图4描绘了在示例中讨论的本发明的实施例中登记参加临床试验的潜在调查者地点的位置。
图5描绘了在示例中讨论的本发明的实施例中登记参加临床试验的潜在附加调查者地点的位置。
图6描绘了在示例中讨论的本发明的实施例中登记参加临床试验的来自过去临床试验的调查者地点的位置。
图7是在示例中讨论的本发明的实施例中的空间集群分析的图解表示。
图8描绘了在示例中讨论的本发明的实施例中用于临床试验的潜在地点的位置。
具体实施方式
在以下描述中,将描述各种可能的实施例。为了解释的目的,阐述了具体的配置和细节以便提供对实施例的透彻理解。但是,对于本领域技术人员而言,显然可以在没有这些具体细节的情况下实践实施例。此外,可以省略或简化众所周知的特征,以免模糊所描述的实施例。
还应该注意的是,如在本说明书中所使用的,单数形式“一”、“一个”和“该”包括复数指示物,除非明确地且不含糊地限于一个指示物。术语“和/或”一般用于指代至少一个或另一个。在一些情况下,术语“和/或”与术语“或”可互换使用。术语“包括”在本文中用于表示短语“包括但不限于”并且与其可互换使用。术语“诸如”在本文中用于表示短语“诸如但不限于”并且与其可互换使用。
除非另有定义,否则本文中使用的所有技术和科学术语都具有与本领域普通技术人员通常理解的相同含义。
在图1中示意性地描绘了本发明的实施例。如图1中所示,建议的临床试验可以包括多个参数。这些参数可以包括但不限于要研究的患者群体、要调查的治疗方法(一个或多个)、终点以及将如何进行试验(例如,随机相对于非随机)。患者群体可以包括可能从待测的治疗或干预中受益的患者。还可以选择群体,便得在临床实践中可以将试验结果推广到患者。总体而言,患者群体越多样化,结果对更广泛的患者群体的推广就越广泛。临床试验中的患者也可以被称为受试者,并且该术语在本文中可互换使用。
为了研究具有适当疾病状态和多样性水平的患者群体,调查者定义了确定患者是否有资格进行试验的标准。纳入和排除标准可以包括患者特点(例如,年龄、遗传简档)以及特定于疾病和治疗的特点,包括与疾病和/或病情相关的先前实验室测试结果。附加参数是临床试验所需的患者的人数。临床试验参数还可以包括用于登记患者和/或调查者地点的期望定时,以及用于完成临床试验的建议时间线。
如图1中所示,临床试验参数被用于查询实验室试测试数据数据库,以确定可能的受试者和调查者进行临床试验。该数据库提供与每个可能的受试者相关的受试者数据,包括但不限于上面阐述的属性和受试者的地理位置。类似地,该数据库提供与每个可能的调查者相关的调查者数据,包括但不限于以上阐述的属性和调查者的地理位置。每个受试者和/或每个调查者的地理位置数据可以包括全球定位系统坐标数据、美国邮政服务的邮递区号数据、经度和/或纬度数据等。
如图1中进一步所示,受试者数据和调查者数据经历空间集群分析,诸如上述的空间集群分析。空间集群分析输出潜在的调查者和受试者以进行临床试验。
从以下说明性示例中将进一步理解本发明的实施例的特征和优点。
示例
本发明的实施例被用于选择假想的临床试验的患者和调查者(临床试验地点)。
使用了由本申请的受让人,卫生保健诊断公司,维护的数据库。该数据库包括:大于130亿个测试结果;每天处理大于500,000个样本;超过4000个诊断测试;为其提供结果的大于758,000个医疗保健专业人员;以及超过1.42亿患者。
假想的临床试验起始参数包括以下:
150个具有潜在复发疾病迹象(被定义为在彼此的1-3个月内的两个阳性样本)的患者;
在美国登记的9个月时间线;
来自95个不同邮递区号(位置)的120个调查者的草案地点列表。
对数据库内前14个月实验室测试数据库的询问揭示,已经对来自跨2848个邮递区号的9628个患者进行了疾病测试,并且其中这2358个患者(少于25%)具有至少一个测试呈阳性的样本。在那些测试呈阳性的患者当中,有262个患者(大约3%)具有两个或更多个测试呈阳性的样本。在262个患者当中,有156个(大约2%)具有在1-3个月内测试呈阳性的两个样本。这些结果在图2中示出。测试呈阳性的受试者的地理分布在图3中示出,其中阴性测试为红色圆圈,阳性测试为黄色圆圈,复发阳性测试为绿色圆圈,并且1-3个月内复发阳性测试为黑色圆圈。
鉴于这个患者和地理数据,在不存在本发明的情况下,即,使用现有技术,如果要使调查者在捕获所有被测患者的所有2848个邮递区号处招募,那么将要求13个月的招聘窗口来提供80%或更高的机会将150个患者随机分配用于临床试验。如果应用统一的登记假设,使用仅95个邮递区号的地点,将花费三十倍的时间,即,超过三十二年。实际上,在阶段II设置中,可以考虑的最长时间线为18个月;在假设将来的测试模式可以反映观察到的历史模式的情况下,假设阳性测试的数量与所有测试成比例,那么邮递区号的覆盖率需要与测试量成比例地增加。因此,在不存在本发明的情况下,不能满足用于登记的期望时间线,并且由于试验位置的地理分布,临床试验的后勤工作将是困难的。
为了满足期望的临床试验参数,利用了本发明的实施例。最初,识别出了试验的所提议的调查者地点。这些地点与患者数据一起在图4中示为蓝色十字。如所描述的,有几个远离受试者的所提议的调查者地点(一个用黄色圆圈圈出)和几个具有大量潜在受试者而没有调查者的地理位置(一个用绿色圆圈圈出)。
邮递区号被用于确定每个测试中心和调查者的坐标(纬度和经度)。使用Haversine公式计算了美国同一州内每个测试中心与每个调查者之间的直接“笔直”距离(在SAS中实现为geodist函数):
其中
50英里被用作使用最小距离确定潜在推荐的一般界限(cut-off)。
地点的地理位置在图5中示出,其中地点用黄色表示,并且小于50英里的地点用蓝色表示。
来自过去试验的调查者被添加到评估中并且重复计算。结果在图6中示出,其中绿色星号表示小于50英里的地点。如图6中所示,田纳西州的潜力似乎尚未开发。
根据本发明,通过空间聚集来识别潜在的新地点。采取的方法是通过根据以下来计算每对测试中心之间的距离矩阵并使用空间集群模型来检查是否可以识别出新的调查者:
ods output clusterhistory=c_ST;
proc cluster data=sqlmatz(type=distance)outtree=t_st nonorm method=complete
trim=10 r=25;
by phys_std;
copy phys_zipnd numpatd numphyd numpatposd;id phys_zipndd;
run;
然后就潜在患者的数量和调查者的适用性评估了集群的潜在有用性。使用Complete(完成)方法,定义了集群,使得集群中的所有地点都在彼此的指定距离内,并且集群之间的最小距离大于该指定距离。使用修剪选项维持规则的集群形状。示意性表示在图7中示出。
分析的结果在图8中示出,其中紫色五边形表示从至少30个患者的集群分析中识别出的集群。预期这些结果将允许满足临床试验的登记参数。
虽然已经关于本主题的具体实施例对本主题进行了详细描述,但是应该认识到的是,本领域技术人员在获得对前述内容的理解后可以容易地产生对这样的实施例的替代、变化和等同形式。因而,应当理解的是,已经出于示例而非限制的目的呈现了本公开,并且不排除本主题包括对本领域普通技术人员来说显而易见的这样的修改、变化和/或添加。
Claims (2)
1.一种用于识别登记参加临床试验的受试者的方法,包括:
a)识别临床试验的多个潜在调查者以创建调查者列表;
b)确定每个调查者的位置;
c)识别临床试验的多个可能受试者;
d)确定每个受试者的位置;
e)选择受试者和调查者之间的指定距离;以及
应用空间集群分析以便为每个调查者确定在指定距离内的受试者的数量。
2.如权利要求1所述的方法,其中每个受试者的位置包括该受试者的医疗保健提供者的位置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862671202P | 2018-05-14 | 2018-05-14 | |
US62/671,202 | 2018-05-14 | ||
PCT/US2019/032187 WO2019222191A1 (en) | 2018-05-14 | 2019-05-14 | Methods and systems for identifying subjects for enrollment in clinical trials |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112655051A true CN112655051A (zh) | 2021-04-13 |
Family
ID=68533913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980032314.0A Pending CN112655051A (zh) | 2018-05-14 | 2019-05-14 | 用于识别登记参加临床试验的受试者的方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20190355445A1 (zh) |
JP (1) | JP2021523478A (zh) |
CN (1) | CN112655051A (zh) |
CA (1) | CA3098442C (zh) |
WO (1) | WO2019222191A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020210206A1 (en) * | 2019-04-12 | 2020-10-15 | Laboratory Corporation Of America Holdings | Database reduction based on geographically clustered data to provide record selection for clinical trials |
US11436238B2 (en) * | 2020-02-10 | 2022-09-06 | Otsuka America Pharmaceutical, Inc. | Database, data structures, and data processing systems for recommending clinical trial sites |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6904434B1 (en) * | 2001-12-18 | 2005-06-07 | Siebel Systems, Inc. | Method and system for providing real-time clinical trial enrollment data |
CN1714352A (zh) * | 2002-10-23 | 2005-12-28 | 资本苏睿尼集团国际公司 | 临床试验信息管理的系统和方法 |
US20090063428A1 (en) * | 2007-08-20 | 2009-03-05 | Alden Meier | Automated protocol screening to qualify patients to participate in a clinical trial |
US20100088245A1 (en) * | 2008-10-07 | 2010-04-08 | William Sean Harrison | Systems and methods for developing studies such as clinical trials |
US20160314280A1 (en) * | 2013-12-09 | 2016-10-27 | Trinetx, Inc. | Identification of Candidates for Clinical Trials |
CN106815360A (zh) * | 2017-01-22 | 2017-06-09 | 嘉兴太美医疗科技有限公司 | 临床研究受试者招募条件排查方法 |
CN107480456A (zh) * | 2017-08-22 | 2017-12-15 | 浙江大学医学院附属第医院 | 临床试验管理方法和系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001233104A1 (en) * | 2000-01-28 | 2001-08-07 | Acurian, Inc. | Systems and methods for selecting and recruiting investigators and subjects for clinical studies |
US20120166209A1 (en) * | 2010-12-28 | 2012-06-28 | Datastream Content Solutions, Llc | Determining clinical trial candidates from automatically collected non-personally identifiable demographics |
US9767526B2 (en) * | 2012-05-11 | 2017-09-19 | Health Meta Llc | Clinical trials subject identification system |
-
2019
- 2019-05-14 US US16/411,846 patent/US20190355445A1/en not_active Abandoned
- 2019-05-14 CA CA3098442A patent/CA3098442C/en active Active
- 2019-05-14 JP JP2020564001A patent/JP2021523478A/ja active Pending
- 2019-05-14 CN CN201980032314.0A patent/CN112655051A/zh active Pending
- 2019-05-14 WO PCT/US2019/032187 patent/WO2019222191A1/en active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6904434B1 (en) * | 2001-12-18 | 2005-06-07 | Siebel Systems, Inc. | Method and system for providing real-time clinical trial enrollment data |
CN1714352A (zh) * | 2002-10-23 | 2005-12-28 | 资本苏睿尼集团国际公司 | 临床试验信息管理的系统和方法 |
US20090063428A1 (en) * | 2007-08-20 | 2009-03-05 | Alden Meier | Automated protocol screening to qualify patients to participate in a clinical trial |
US20100088245A1 (en) * | 2008-10-07 | 2010-04-08 | William Sean Harrison | Systems and methods for developing studies such as clinical trials |
US20160314280A1 (en) * | 2013-12-09 | 2016-10-27 | Trinetx, Inc. | Identification of Candidates for Clinical Trials |
CN106815360A (zh) * | 2017-01-22 | 2017-06-09 | 嘉兴太美医疗科技有限公司 | 临床研究受试者招募条件排查方法 |
CN107480456A (zh) * | 2017-08-22 | 2017-12-15 | 浙江大学医学院附属第医院 | 临床试验管理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2019222191A1 (en) | 2019-11-21 |
CA3098442A1 (en) | 2019-11-21 |
US20190355445A1 (en) | 2019-11-21 |
CA3098442C (en) | 2023-06-20 |
JP2021523478A (ja) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20060031018A1 (en) | System and method for processing and reporting biologically significant events | |
Tolley | What are health utilities | |
US20120084092A1 (en) | Method and apparatus for a comprehensive dynamic personal health record system | |
Fairall et al. | Cost‐effectiveness of educational outreach to primary care nurses to increase tuberculosis case detection and improve respiratory care: economic evaluation alongside a randomised trial | |
US20150227945A1 (en) | Immunoprofile credentialing system | |
Tahernejad et al. | Post-traumatic stress disorder in medical workers involved in earthquake response: A systematic review and meta-analysis | |
Fiscella et al. | A multimodal intervention to promote mammography and colorectal cancer screening in a safety-net practice | |
CN112655051A (zh) | 用于识别登记参加临床试验的受试者的方法和系统 | |
Singh et al. | A home‐based, primary‐care model for epilepsy care in India: Basis and design | |
AlHazme et al. | The impact of health information technologies on quality improvement methodologies’ efficiency, throughput and financial outcomes: a retrospective observational study | |
Cook et al. | Spatial cluster detection for censored outcome data | |
Eldooma et al. | Pharmaceutical care within community pharmacies: Tools availability and pharmacists’ views, Wad-Medani, Sudan | |
Chan et al. | Fit testing disposable P2/N95 respirators during COVID-19 in Victoria, Australia: fit check evaluation, failure rates, and a survey of healthcare workers | |
Ibe et al. | Quality of care for the treatment for uncomplicated malaria in South-East Nigeria: how important is socioeconomic status? | |
Bird et al. | Predictors of contact with public service sectors among homeless adults with and without alcohol and other drug disorders. | |
Friedman et al. | Analysis of ethnic disparities in workers' compensation claims using data linkage | |
KR20210147991A (ko) | 감염병가능성 예측장치 및 이를 이용한 감염병가능성 예측방법 | |
US20210158944A1 (en) | Identifying relationships between healthcare practitioners and healthcare facilities based on billed claims | |
Sesay | Patient characteristics and treatment outcomes among tuberculosis patients in Sierra Leone | |
Rucker | The role of computers in drug utilization review | |
Kwan | Can we improve quality of care in private health sectors? Evidence from a randomized field experiment in Kenya | |
Nasar et al. | Health Care Needs and Health Seeking Behaviour among Rohingya Refugees in Cox’s Bazar: Study in selected camps served by BRAC’s health care facilities | |
Amoori et al. | Investigating the intensity of social contacts associated with tuberculosis: a weighted networks model | |
Aguru | Does the Health Belief Model and Health Locus of Control Help Explain the Decision of Nigerian Immigrants and Nigerian Natives to Receive the Influenza Vaccination? | |
Newton | An evaluation of the appropriateness of emergency medical service (EMS) responses in the eThekwini health district of KwaZulu-Natal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40046584 Country of ref document: HK |