CN112951364A - 一种基于maut法的药物经济学评价方法 - Google Patents

一种基于maut法的药物经济学评价方法 Download PDF

Info

Publication number
CN112951364A
CN112951364A CN202110209908.3A CN202110209908A CN112951364A CN 112951364 A CN112951364 A CN 112951364A CN 202110209908 A CN202110209908 A CN 202110209908A CN 112951364 A CN112951364 A CN 112951364A
Authority
CN
China
Prior art keywords
maut
final
drug
evaluation
medicine
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
Application number
CN202110209908.3A
Other languages
English (en)
Inventor
沈斌
蒋利亚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
First Hospital of Jiaxing
Original Assignee
First Hospital of Jiaxing
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by First Hospital of Jiaxing filed Critical First Hospital of Jiaxing
Priority to CN202110209908.3A priority Critical patent/CN112951364A/zh
Publication of CN112951364A publication Critical patent/CN112951364A/zh
Pending legal-status Critical Current

Links

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种基于MAUT法的药物经济学评价方法，包括步骤S1：构建MAUT方案评价模型，并且对MAUT方案评价模型进行数据收集和整理，以获得不同类型药物的最终有效用值、最终安全用值和最终经济用值；步骤S2：通过MAUT方案评价模型对药物的最终有效用值、最终安全用值和最终经济用值进行综合评价，以获得不同类型药物的用药方案总效用值。本发明公开的一种基于MAUT法的药物经济学评价方法，运用MAUT构建评价模型，从有效性、安全性和经济性等维度综合评价和比较某类疾病多种用药方案的优劣性，通过定量方法，计算各方案总效用值，展示各评价方案的最终结果，确定最佳治疗方案，效果明显。

Description

一种基于MAUT法的药物经济学评价方法
技术领域
本发明属于药物经济学评价技术领域，具体涉及一种基于MAUT法的药物经济学评价方法。
背景技术
药物治疗方案评价是一类基于治疗方案的有效性、安全性及经济性等多属性选择评价的决策问题。现有国内的药物经济学研究方法存在研究范围较窄、指标纳入不足、研究结果说服力有限等问题，设计方法中的模型又对数据要求高，研究结果不明晰。
多属性效用理论(MAUT)在诸多社会经济领域被广泛应用，但在药物经济学领域应用甚少，因此希望在药物经济学领域得到推广应用。
发明内容
本发明的主要目的在于提供一种基于MAUT法的药物经济学评价方法，运用MAUT构建评价模型，从有效性、安全性和经济性等维度综合评价和比较某类疾病多种用药方案的优劣性，通过定量方法，计算各方案总效用值，展示各评价方案的最终结果，确定最佳治疗方案，效果明显。
本发明的另一目的在于提供一种基于MAUT法的药物经济学评价方法，其可以将多个相互独立甚至互斥的因素综合起来，计算各治疗方案的总效用值，避免了现有药物经济学研究方法中评价维度纳入不足的缺陷，为药物经济学研究拓展研究思路，丰富研究方法，为某类疾病药物治疗研究提供有益信息。
为达到以上目的，本发明提供一种基于MAUT法的药物经济学评价方法，包括以下步骤：
步骤S1：(针对某一疾病)构建MAUT方案评价模型，并且对MAUT方案评价模型进行数据收集和整理，以获得不同类型药物的最终有效用值、最终安全用值和最终经济用值；
步骤S2：通过MAUT方案评价模型对药物的最终有效用值、最终安全用值和最终经济用值进行综合评价，以获得不同类型药物的用药方案总效用值；
步骤S3：比较和评价不同类型药物的用药方案总效用值，以确定(当前疾病的)最佳用药方案。
作为上述技术方案的进一步优选的技术方案，步骤S1具体实施为以下步骤：
步骤S1.1：对于MAUT方案评价模型中评价维度(本发明选择药物的有效性、安全性和经济性)的筛选和确定，并且分别对不同类型药物的有效性、安全性和经济性进行统计评分；
步骤S1.2：对于MAUT方案评价模型中评价维度的权重进行赋值确定，计算不同类型药物的综合评分指数并且进行排序。
作为上述技术方案的进一步优选的技术方案，步骤S1.1具体实施为以下步骤：
步骤S1.1.1：通过有效性模块对药物的有效性进行统计分析(药物疗效)；
步骤S1.1.2：通过安全性模块对药物的安全性进行统计分析(不良反应)；
步骤S1.1.3：通过经济性模块对药物的经济性进行统计分析(直接成本)。
作为上述技术方案的进一步优选的技术方案，步骤S1.1.1具体实施为以下步骤：
步骤S1.1.1.1：计算使用当前药物后的(某一)生理指标与使用当前药物前的生理指标之间的差值，以形成差值数据；
步骤S1.1.1.2：根据差值数据将药物的有效性分为显效等级、有效等级和无效等级，并且对不同的等级进行评分，以形成有效性评分数据；
步骤S1.1.1.3：计算使用当前药物后所对应的各个相关生理指标的差值数据(将所有的相关的生理指标的差值都进行计算)，并且对各个评分数据进行算数平均，以获得当前药物的最终有效用值。
作为上述技术方案的进一步优选的技术方案，步骤S1.1.2中，将药物的不良反应情况作为指标，通过层次分析法来确定当前药物的不良反应情况，并且通过专家数据库对当前药物的不良反应情况进行评分，以获得当前药物的最终安全用值。
作为上述技术方案的进一步优选的技术方案，步骤S1.2具体实施为以下步骤：
步骤S1.2.1：对药物的有效性、安全性和经济性进行构造判断矩阵；
步骤S1.2.2：对药物的有效性、安全性和经济性进行权重系数确认；
步骤S1.2.3：根据一致性指标(CI)和随机一致性比率(CR)进行一致性检验；
步骤S1.2.4：计算各个评价维度的组合权重系数；
步骤S1.2.5：计算综合评分指数及排序。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现一种基于MAUT法的药物经济学评价方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现一种基于MAUT法的药物经济学评价方法的步骤。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
在本发明的优选实施例中，本领域技术人员应注意，本发明所涉及的药物、CI和CR等可被视为现有技术。
优选实施例
本发明公开了一种基于MAUT法的药物经济学评价方法，包括以下步骤：
步骤S1：(针对某一疾病)构建MAUT方案评价模型，并且对MAUT方案评价模型进行数据收集和整理，以获得不同类型药物的最终有效用值、最终安全用值和最终经济用值；
步骤S2：通过MAUT方案评价模型对药物的最终有效用值、最终安全用值和最终经济用值进行综合评价，以获得不同类型药物的用药方案总效用值；
步骤S3：比较和评价不同类型药物的用药方案总效用值，以确定(当前疾病的)最佳用药方案。
具体的是，步骤S1具体实施为以下步骤：
步骤S1.1：对于MAUT方案评价模型中评价维度(本发明选择药物的有效性、安全性和经济性)的筛选和确定，并且分别对不同类型药物的有效性、安全性和经济性进行统计评分；
步骤S1.2：对于MAUT方案评价模型中评价维度的权重进行赋值确定，计算不同类型药物的综合评分指数并且进行排序。
更具体的是，步骤S1.1具体实施为以下步骤：
步骤S1.1.1：通过有效性模块对药物的有效性进行统计分析(药物疗效)；
步骤S1.1.2：通过安全性模块对药物的安全性进行统计分析(不良反应)；
步骤S1.1.3：通过经济性模块对药物的经济性进行统计分析(直接成本)。
进一步的是，步骤S1.1.1具体实施为以下步骤：
步骤S1.1.1.1：计算使用当前药物后的(某一)生理指标与使用当前药物前的生理指标之间的差值，以形成差值数据；
步骤S1.1.1.2：根据差值数据将药物的有效性分为显效等级、有效等级和无效等级，并且对不同的等级进行评分，以形成有效性评分数据；
步骤S1.1.1.3：计算使用当前药物后所对应的各个相关生理指标的差值数据(将所有的相关的生理指标的差值都进行计算)，并且对各个评分数据进行算数平均，以获得当前药物的最终有效用值。
更进一步的是，步骤S1.1.2中，将药物的不良反应情况作为指标，通过层次分析法来确定当前药物的不良反应情况，并且通过专家数据库对当前药物的不良反应情况进行评分，以获得当前药物的最终安全用值。
优选地，步骤S1.2具体实施为以下步骤：
步骤S1.2.1：对药物的有效性、安全性和经济性进行构造判断矩阵；
步骤S1.2.2：对药物的有效性、安全性和经济性进行权重系数确认；
步骤S1.2.3：根据一致性指标(CI)和随机一致性比率(CR)进行一致性检验；
步骤S1.2.4：计算各个评价维度的组合权重系数；
步骤S1.2.5：计算综合评分指数及排序。
本发明还公开了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种基于MAUT法的药物经济学评价方法的步骤。
本发明还公开了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述一种基于MAUT法的药物经济学评价方法的步骤。
优选地，以构建MAUT抗炎保肝药用药方案评价模型为例：
一、对于MAUT方案评价模型中评价维度的筛选和选定，并且分别对不同类型药物的有效性、安全性和经济性进行评分：
根据研究设计和目标，拟设计有效性(药物疗效)、安全性(不良反应)以及经济性(直接成本，包括药物费用及不良反应治疗费)三个维度评价
1)有效性指标
疗效判断标准：显效：治疗结束时临床症状、体征消失或明显改善，血清丙氨酸氨基转移酶(ALT)、天门冬酸氨基转移酶(AST)、血清总胆红素(TBIL)恢复或接近正常水平；有效：治疗结束时临床症状好转、体征减轻，ALT、AST、TBIL中1～2项恢复正常或降低至原异常水平的50％以上；无效：治疗结束时未达到上述标准或病情恶化者。
①计算差值△。△＝给药前肝酶指标－给药后肝酶指标。有效性划分为三个等级(显效、有效、无效)。
②分级打分。将效用值范围设定为(0，100]，根据等级及实际情况，各个级别得分见表1。
③计算各指标总值的算术平均数，获得最终有效用值。
表1得分等级表
Figure BDA0002951067690000071
2)安全性指标
本研究用药方案评价将药品不良反应情况(ADR)作为具体指标。为保证MAUT抗炎保肝药评价模型的完整性和综合性，通过层次分析法来确定不同类型ADR的得分情况。聘请专家组成评议团形成专家数据库，对三组用药方案的ADR分别进行打分。
详细观察并记录治疗期间三组患者的药物不良反应(ADR)，并计算发生率。根据文献及说明书，主要的不良反应(ADR)包括：①消化系统：恶心呕吐，腹痛腹泻；②过敏反应：皮疹瘙痒、过敏性休克等；③假性醛固酮症；④泌尿系统：蛋白尿、肾病综合征；⑤局部麻木、乏力感等。
3)经济性指标
成本是指社会在实施某一药物治疗方案或其他治疗方案的整个过程中所投入的全部财力资源、物力资源和人力资源的消耗。直接成本是指与特定的医疗服务项目直接相关的支出，包括药品费用、治疗费用和检查费用以及因药品不良反应所增加的费用：间接成本指因疾病导致患者及其家庭产生的所有经济损失，如交通费、误工费等；隐性成本指患者因疾病而遭受的痛苦、悲伤、精神创伤等。交通费、误工费等间接成本计算比较困难。对隐性成本的转换和计算无统一的方法。为避免造成数据偏差，本研究对间接成本和隐性成本忽略不计。因此只计算药品费用与不良反应治疗相关的费用，计算出各个病例得分和效用值。
二、通过MAUT方案评价模型对药物的最终有效用值、最终安全用值和最终经济用值进行综合评价，以获得不同类型药物的用药方案总效用值：
1)构造判断矩阵
与同一目标元素相连的同层次元素间进行两两比较判断，并将判断的结果通过引入合适标度的方式量化，建立判断矩阵。判断矩阵的元素值是专家对同一目标下各因素相对重要性的认识，一般采用1～9及其倒数的标度方法(表2)。根据AHP原理，构建判断优选矩阵如下(表3)。聘请专家组成评议团，给出各维度元素相对重要性分数，得到评分表。
表2 Saaty 1-9标度表
Figure BDA0002951067690000081
表3各维度目标成对比较判断优选矩阵
Figure BDA0002951067690000091
2)求权重系数
本项目选用“和积法”，其计算步骤如下：
①对A按列规范化，即对判断矩阵A每一列正规化：
Figure BDA0002951067690000092
②再按行相加得和向量：
Figure BDA0002951067690000093
③将得到的和向量正规化即得权重向量：
Figure BDA0002951067690000094
④计算矩阵最大特征根：
Figure BDA0002951067690000095
3)一致性检验
利用CI(一致性指标)和CR(随机一致性比率)两项指标完成。在得到λmax后，需进行一致性检验，这也是保证评价结论可靠的必要条件，该方法的aij为九级(1,2,…,9极其倒数)，由式|A-λmax|＝0解出λmax及其对应的特征向量，其特征向量即权重向量。由λmax可以估计比较判断的一致性：
Figure BDA0002951067690000101
4)计算各个评价维度的组合权重系数。
5)计算综合评分指数及排序。
值得一提的是，本发明专利申请涉及的药物、CI和CR等技术特征应被视为现有技术，这些技术特征的具体结构、工作原理以及可能涉及到的控制方式、空间布置方式采用本领域的常规选择即可，不应被视为本发明专利的发明点所在，本发明专利不做进一步具体展开详述。
对于本领域的技术人员而言，依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。

Claims (8)

1.一种基于MAUT法的药物经济学评价方法，其特征在于，包括以下步骤：
步骤S1：构建MAUT方案评价模型，并且对MAUT方案评价模型进行数据收集和整理，以获得不同类型药物的最终有效用值、最终安全用值和最终经济用值；
步骤S2：通过MAUT方案评价模型对药物的最终有效用值、最终安全用值和最终经济用值进行综合评价，以获得不同类型药物的用药方案总效用值；
步骤S3：比较和评价不同类型药物的用药方案总效用值，以确定最佳用药方案。
2.根据权利要求1所述的一种基于MAUT法的药物经济学评价方法，其特征在于，步骤S1具体实施为以下步骤：
步骤S1.1：对于MAUT方案评价模型中评价维度的筛选和确定，并且分别对不同类型药物的有效性、安全性和经济性进行统计评分；
步骤S1.2：对于MAUT方案评价模型中评价维度的权重进行赋值确定，计算不同类型药物的综合评分指数并且进行排序。
3.根据权利要求2所述的一种基于MAUT法的药物经济学评价方法，其特征在于，步骤S1.1具体实施为以下步骤：
步骤S1.1.1：通过有效性模块对药物的有效性进行统计分析；
步骤S1.1.2：通过安全性模块对药物的安全性进行统计分析；
步骤S1.1.3：通过经济性模块对药物的经济性进行统计分析。
4.根据权利要求3所述的一种基于MAUT法的药物经济学评价方法，其特征在于，步骤S1.1.1具体实施为以下步骤：
步骤S1.1.1.1：计算使用当前药物后的生理指标与使用当前药物前的生理指标之间的差值，以形成差值数据；
步骤S1.1.1.2：根据差值数据将药物的有效性分为显效等级、有效等级和无效等级，并且对不同的等级进行评分，以形成有效性评分数据；
步骤S1.1.1.3：计算使用当前药物后所对应的各个相关生理指标的差值数据，并且对各个评分数据进行算数平均，以获得当前药物的最终有效用值。
5.根据权利要求3所述的一种基于MAUT法的药物经济学评价方法，其特征在于，步骤S1.1.2中，将药物的不良反应情况作为指标，通过层次分析法来确定当前药物的不良反应情况，并且通过专家数据库对当前药物的不良反应情况进行评分，以获得当前药物的最终安全用值。
6.根据权利要求3所述的一种基于MAUT法的药物经济学评价方法，其特征在于，步骤S1.2具体实施为以下步骤：
步骤S1.2.1：对药物的有效性、安全性和经济性进行构造判断矩阵；
步骤S1.2.2：对药物的有效性、安全性和经济性进行权重系数确认；
步骤S1.2.3：根据一致性指标和随机一致性比率进行一致性检验；
步骤S1.2.4：计算各个评价维度的组合权重系数；
步骤S1.2.5：计算综合评分指数及排序。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的一种基于MAUT法的药物经济学评价方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述一种基于MAUT法的药物经济学评价方法的步骤。
CN202110209908.3A 2021-02-24 2021-02-24 一种基于maut法的药物经济学评价方法 Pending CN112951364A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110209908.3A CN112951364A (zh) 2021-02-24 2021-02-24 一种基于maut法的药物经济学评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110209908.3A CN112951364A (zh) 2021-02-24 2021-02-24 一种基于maut法的药物经济学评价方法

Publications (1)

Publication Number Publication Date
CN112951364A true CN112951364A (zh) 2021-06-11

Family

ID=76246091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110209908.3A Pending CN112951364A (zh) 2021-02-24 2021-02-24 一种基于maut法的药物经济学评价方法

Country Status (1)

Country Link
CN (1) CN112951364A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114220523A (zh) * 2021-12-03 2022-03-22 海南医学院 一种基于大鼠试验评价不同中药配方干预乳腺增生药效的模型

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480443A (zh) * 2017-08-08 2017-12-15 复旦大学附属儿科医院 一种基于真实世界的药品临床综合评价方法
CN112102914A (zh) * 2020-09-25 2020-12-18 复旦大学附属肿瘤医院 曲妥珠单抗生物类似药的评价方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107480443A (zh) * 2017-08-08 2017-12-15 复旦大学附属儿科医院 一种基于真实世界的药品临床综合评价方法
CN112102914A (zh) * 2020-09-25 2020-12-18 复旦大学附属肿瘤医院 曲妥珠单抗生物类似药的评价方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李东: "阿奇霉素 、红霉素治疗下呼吸道感染综合评价", 《药物流行病学杂志》 *
沈小庆: "决策分析法在药物经济学研究中的应用", 《中国药学杂志》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114220523A (zh) * 2021-12-03 2022-03-22 海南医学院 一种基于大鼠试验评价不同中药配方干预乳腺增生药效的模型

Similar Documents

Publication Publication Date Title
Lima et al. The impact of psoriasis on pregnancy outcomes
Nirel et al. The impact of an integrated hospital-community medical information system on quality and service utilization in hospital departments
Scheuermeyer et al. Missed opportunities for appropriate anticoagulation among emergency department patients with uncomplicated atrial fibrillation or flutter
Mahler et al. Adherence to an accelerated diagnostic protocol for chest pain: secondary analysis of the HEART pathway randomized trial
Kasmire et al. Reducing invasive care for low-risk febrile infants through implementation of a clinical pathway
CN112951364A (zh) 一种基于maut法的药物经济学评价方法
Gupta et al. Impact of the three COVID-19 surges in 2020 on in-hospital cardiac arrest survival in the United States
Wang et al. Cost-effectiveness analysis of comprehensive intervention programs to control blood glucose in overweight and obese type 2 diabetes mellitus patients based on a real-world setting: Markov modeling
Nishioka et al. Development and validation of early prediction for neurological outcome at 90 days after return of spontaneous circulation in out-of-hospital cardiac arrest
Kikuchi et al. A Bayesian cost–benefit approach to the determination of sample size in clinical trials
Bunning et al. The COVID-19 Outpatient Pragmatic Platform Study (COPPS): study design of a multi-center pragmatic platform trial
Daems et al. Pharmaceutical portfolio management: global disease burden and corporate performance metrics
Atzema et al. Effect of time to electrocardiogram on time from electrocardiogram to fibrinolysis in acute myocardial infarction patients
Myers et al. Probabilistic techniques for obtaining accurate patient counts in Clinical Data Warehouses
Syed et al. Toolkit to compute time-based Elixhauser comorbidity indices and extension to common data models
Liu et al. Validation of the CaRdiac Arrest Survival Score (CRASS) for predicting good neurological outcome after out-of-hospital cardiac arrest in an Asian emergency medical service system
Zhu et al. Using the Super Learner algorithm to predict risk of major adverse cardiovascular events after percutaneous coronary intervention in patients with myocardial infarction
Elizalde et al. Myocarditis and pericarditis risk with mRNA COVID-19 vaccination compared to unvaccinated individuals: A retrospective cohort study in a Spanish Tertiary Hospital
Lithwick et al. Pre-participation screening in the young competitive athlete: international recommendations and a Canadian perspective
Xiong et al. Which type of exercise during radiation therapy is optimal to improve fatigue and quality of life in men with prostate cancer? A Bayesian network analysis
Ando et al. Unplanned thirty-day readmission after alcohol septal ablation for hypertrophic cardiomyopathy (from the Nationwide Readmission Database)
Gilani Joint modeling of repeated ordinal measures and time to event data for CHD risk assessment
Murthannagari et al. Exploring the potential challenges for developing generic orphan drugs for rare diseases: A survey of us and european markets
Pathak In Silico Trials of Surgical Interventions Using Routinely Collected Data
Ubaid et al. Site variability in cerebral embolic protection for Transcatheter aortic valve implantation and association with outcomes

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