【技术实现步骤摘要】
本公开总体上涉及生成站点分布模型以识别站点集来满足临床试验的操作要求。
技术介绍
1、选择特定国家和站点进行临床试验的传统方法通常涉及手动过程、依赖于有限的数据以及主观的决策，这可能导致一些缺陷。在某些情况下，现有的临床试验计划的解决方案可能需要使用诸如电子表格的简单工具来执行多次迭代，以得出可接受的临床站点和国家的分布。依赖启发式方法和过往经验进行站点选择可能会给该过程引入主观性和潜在的偏见。在某些情况下，决策可能会受到个人偏好或轶事证据的影响，而不是基于客观、全面的数据分析，从而导致站点选择欠佳。
2、使用电子表格和类似的简单或非正规的数据管理和计算工具来管理复杂的数据集，可能会导致碎片化和不一致。信息可能分散在多个文件和格式中，因此很难全面了解数据。这种碎片化可能导致数据解释和决策中的错误。电子表格，尤其是当电子表格数量众多且复杂时，给参与站点选择过程的利益相关方之间的有效协作和共享带来挑战。当不同的团队成员处理不同版本的文档时，可能会出现版本控制问题，导致混乱和不一致。
3、随着临床试验规模的扩大，通过电...
【技术保护点】
1.一种计算机实现的方法，用于生成站点分布模型以识别站点集来满足临床试验的操作要求，所述方法包括：
2.根据权利要求1所述的方法，其中，在所述接收主要约束集中，所述主要约束集进一步包括：
3.根据权利要求1所述的方法，进一步包括：接收所述站点分布模型寻求满足的次要约束集，其中，所述生成用于实现所述站点分布模型的计算机代码至少部分地基于所述目标函数、所述主要约束集和所述次要约束集。
4.根据权利要求3所述的方法，其中，所述次要约束集包括至少第一层级站点中的站点数量与至少第二层级站点中的站点数量之间的定义比率。
5.根据权利...
【技术特征摘要】
1.一种计算机实现的方法，用于生成站点分布模型以识别站点集来满足临床试验的操作要求，所述方法包括：
2.根据权利要求1所述的方法，其中，在所述接收主要约束集中，所述主要约束集进一步包括：
3.根据权利要求1所述的方法，进一步包括：接收所述站点分布模型寻求满足的次要约束集，其中，所述生成用于实现所述站点分布模型的计算机代码至少部分地基于所述目标函数、所述主要约束集和所述次要约束集。
4.根据权利要求3所述的方法，其中，所述次要约束集包括至少第一层级站点中的站点数量与至少第二层级站点中的站点数量之间的定义比率。
5.根据权利要求4所述的方法，其中，所述至少第一层级和所述至少第二层级至少部分地基于站点历史登记人数数据来定义，以分别包括根据登记人数的低排名站点和根据登记人数的高排名站点。
6.根据权利要求3所述的方法，其中，所述次要约束集包括待纳入在所述临床试验中的定义的国家集。
7.根据权利要求3所述的方法，其中，所述次要约束集包括解必须满足的每个国家的定义的最小站点数量。
8.根据权利要求3所述的方法，其中，所述次要约束集包括解必须满足的每个国家的定义的最大站点数量。
9.根据权利要求1所述的方法，其中，对所述站点分布模型进行所述求解包括：
10.根据权利要求1所述的方法，其中，所述站点分布模型包括混合整数非线性规划，即minlp。
11.根据权利要求10所述的方法，其中，所述优化建模语言以python程序的形式生成所述minlp。
12.根据权利要求1所述的方法，其中，所述向用户指示不可能存在解包括向所述用户指示改变所述主要约束集和次要约束集的一个或多个约束。
13.根据权利要求1所述的方法，进一步包括：如果能够对所述站点分布模型进行所述求解，则至少部分地基于根据所述站点决策变量的生成值的所述临床试验站点列表以及所述...
【专利技术属性】
技术研发人员：亚历山德鲁·索科洛夫，
申请(专利权)人：MEDIDATA解决方案公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。