CN108364692A - 临床试验匹配方法及*** - Google Patents
临床试验匹配方法及*** Download PDFInfo
- Publication number
- CN108364692A CN108364692A CN201810163684.5A CN201810163684A CN108364692A CN 108364692 A CN108364692 A CN 108364692A CN 201810163684 A CN201810163684 A CN 201810163684A CN 108364692 A CN108364692 A CN 108364692A
- Authority
- CN
- China
- Prior art keywords
- clinical test
- patient user
- clinical
- structuring
- patient
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 273
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000008569 process Effects 0.000 title claims abstract description 19
- 230000008520 organization Effects 0.000 claims abstract description 41
- 238000012216 screening Methods 0.000 claims abstract description 37
- 230000007717 exclusion Effects 0.000 claims description 12
- 201000010099 disease Diseases 0.000 claims description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 206010068052 Mosaicism Diseases 0.000 claims description 5
- 210000003765 sex chromosome Anatomy 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 abstract description 13
- 230000007115 recruitment Effects 0.000 abstract description 8
- 238000002474 experimental method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 238000002560 therapeutic procedure Methods 0.000 description 5
- 229940079593 drug Drugs 0.000 description 4
- 238000007873 sieving Methods 0.000 description 4
- 208000010507 Adenocarcinoma of Lung Diseases 0.000 description 3
- 206010064571 Gene mutation Diseases 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 238000002512 chemotherapy Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 102000052116 epidermal growth factor receptor activity proteins Human genes 0.000 description 2
- 108700015053 epidermal growth factor receptor activity proteins Proteins 0.000 description 2
- YOHYSYJDKVYCJI-UHFFFAOYSA-N n-[3-[[6-[3-(trifluoromethyl)anilino]pyrimidin-4-yl]amino]phenyl]cyclopropanecarboxamide Chemical compound FC(F)(F)C1=CC=CC(NC=2N=CN=C(NC=3C=C(NC(=O)C4CC4)C=CC=3)C=2)=C1 YOHYSYJDKVYCJI-UHFFFAOYSA-N 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 108010074708 B7-H1 Antigen Proteins 0.000 description 1
- 102000008096 B7-H1 Antigen Human genes 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 201000008424 adenosquamous lung carcinoma Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002649 immunization Methods 0.000 description 1
- 230000003053 immunization Effects 0.000 description 1
- -1 indication Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000000440 neutrophil Anatomy 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 208000002154 non-small cell lung carcinoma Diseases 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011248 postoperative chemotherapy Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 208000029729 tumor suppressor gene on chromosome 11 Diseases 0.000 description 1
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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种临床试验匹配方法及***。其中,方法包括:获取患者用户通过结构化问卷输入的病例数据,生成与患者用户相对应的结构化病例;将结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告;获取患者用户在临床试验筛选报告中选择的临床试验,并将患者用户信息以及所述患者用户相对应的结构化病例发送至选择的临床试验相对应的关联机构;接收关联机构反馈的患者用户参加临床试验的反馈数据。采用本方案,可实现临床试验与患者的自动化精准匹配,降低患者寻求临床试验机构,以及临床试验招募等机构寻找受试者的时间及人力成本。
Description
技术领域
本发明涉及医疗技术领域,具体涉及一种临床试验匹配方法及***。
背景技术
临床试验,是为了证实或揭示药物或疗法的疗效及安全性,而在人体(病人或健康志愿者)进行的药物或治疗方法的***性研究。临床试验是新药和新型疗法从实验室走向临床运用的必经之路。随着药物技术及医疗技术的快速发展,临床试验的需求也愈来愈多;而同时,期望通过临床试验接触最新治疗药物或治疗方法的患者也愈来愈多。
目前,一个临床试验的顺利进行往往先需获得相匹配的受试者。而在此过程中,需经过患者招募、患者匹配两个阶段。在患者招募过程中,通常是患者通过医生推荐、医院宣传等方式获知临床试验信息,然而该方法使得医学知识有限的患者较难从繁多的临床试验信息中选出合适的临床试验;而采用临床试验招募机构通过各种人力搜寻方式寻求合作的患者的方法会大大降低搜寻效率,提高人力成本。并且,在患者匹配阶段往往需医生根据临床试验的纳入标准以及排除标准与患者的病例报告或各项生理指标一一比对后决定患者是否可参加临床试验,从而进一步降低匹配效率,增加了人力成本。
所以,目前仍缺少一种可高效准确地实现患者与临床试验的匹配的方法及***。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的临床试验匹配方法及***。
根据本发明的一个方面,提供了一种临床试验匹配方法,包括:
获取患者用户通过结构化问卷输入的病例数据,生成与所述患者用户相对应的结构化病例;
将所述结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告;
获取患者用户在所述临床试验筛选报告中选择的临床试验,并将所述患者用户信息以及所述患者用户相对应的结构化病例发送至所述选择的临床试验相对应的关联机构;
接收所述关联机构反馈的患者用户参加临床试验的反馈数据。
根据本发明的一个方面,提供了一种临床试验匹配***,包括:
临床试验数据库,适于存储临床试验数据;
病例生成模块,适于获取患者用户通过结构化问卷输入的病例数据,生成与所述患者用户相对应的结构化病例;
报告生成模块,适于将所述结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告;
发送模块,适于获取患者用户在所述临床试验筛选报告中选择的临床试验,并将所述患者用户信息以及所述患者用户相对应的结构化病例发送至所述选择的临床试验相对应的关联机构;
反馈模块,适于接收所述关联机构反馈的患者用户参加临床试验的反馈数据。
根据本发明提供的临床试验匹配方法及***,通过获取患者用户通过结构化问卷输入的病例数据,生成与患者用户相对应的结构化病例;将结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告;获取患者用户在临床试验筛选报告中选择参加的临床试验,并将患者用户信息以及患者用户相对应的结构化病例发送至选择参加的临床试验相对应的关联机构;接收关联机构反馈的患者用户入组数据。采用本方案,可实现临床试验与患者的自动化精准匹配,降低患者寻求临床试验机构,以及临床试验招募等机构寻找受试者的时间及人力成本。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例提供的临床试验匹配方法的流程示意图;
图2示出了根据本发明另一个实施例提供的临床试验匹配方法的流程示意图;
图3示出了根据本发明一个实施例提供的临床试验匹配***的功能结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例提供的临床试验匹配方法的流程示意图。如图1所示,该方法包括:
步骤S110,获取患者用户通过结构化问卷输入的病例数据,生成与患者用户相对应的结构化病例。
具体地,可根据临床试验需求预先设置结构化问卷。本发明中的结构化问卷是一种标准化问卷,其提供有多个与临床试验相对应的问题及相应的选项,用户可通过勾选问题中的选项等方式输入病例数据。
待患者用户通过结构化问卷输入的病例数据之后,获取该病例数据,并生成与该患者用户相对应的结构化病例。
步骤S120,将结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告。
其中,临床试验数据提供者可通过预设的数据录入接口在临床试验数据库中录入临床试验数据,从而使得临床试验数据库中预先存储有至少一个临床试验数据。
按照预设的匹配规则,将步骤S110中生成的结构化病例与临床试验数据库中的临床试验数据进行匹配,筛选出与该结构化病例相匹配的临床试验,并根据筛选结果生成临床试验筛选报告。
步骤S130,获取患者用户在临床试验筛选报告中选择的临床试验,并将患者用户信息以及患者用户相对应的结构化病例发送至选择的临床试验相对应的关联机构。
将步骤S120中生成的临床试验筛选报告呈现给患者用户,患者用户可选择参加临床试验筛选报告中的一个或多个临床试验。待患者用户选择临床试验后,将患者用户信息以及结构化病例发送至选择的临床试验相对应的关联机构。其中,与临床试验相对应的关联机构包括但不限于临床试验招募机构、临床试验申办机构、临床试验实施机构、临床试验关联的制药公司等。
步骤S140,接收关联机构反馈的患者用户参加临床试验的反馈数据。
待患者用户选择的临床试验相对应的关联机构接收到患者用户的基本信息以及结构化病例后,关联机构可根据患者用户的基本信息与患者进行直接联系,并反馈患者用户参加临床试验的反馈数据。
其中,步骤S110至步骤S140均可由计算机自动化执行,大幅降低人工成本,提高临床试验与患者的匹配效率。
根据本实施例提供的临床试验匹配方法,通过获取患者用户通过结构化问卷输入的病例数据,生成与患者用户相对应的结构化病例;将结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告;获取患者用户在临床试验筛选报告中选择参加的临床试验,并将患者用户信息以及患者用户相对应的结构化病例发送至选择参加的临床试验相对应的关联机构;接收关联机构反馈的患者用户入组数据。采用本方案,可实现临床试验与患者的自动化精准匹配,降低患者寻求临床试验机构,以及临床试验招募等机构寻找受试者的时间及人力成本。
图2示出了根据本发明另一个实施例提供的临床试验匹配方法的流程示意图。如图2所示,该方法包括:
步骤S210,在临床试验数据库中结构化录入临床试验数据,并为患者用户设置结构化问卷。
在具体的实施过程中,需预先配置临床试验数据库,其中,本发明对临床试验数据库的具体类型不做限定,例如,临床试验数据库可以为MySQL数据库、Oracle数据库等。本领域技术人员可根据临床试验数据库中数据量、数据读写频率、数据读写速度要求等选择合适的临床试验数据库。
进一步地,根据不同的临床试验受试者需求,以结构化录入方式在临床试验数据库中录入临床试验数据。其中,临床试验数据包括但不限于各个临床试验对应的基本信息、纳入标准信息、以及排除标准信息。例如,若临床试验所属类别为癌症,其以结构化录入方式录入临床试验数据库的基本信息包括但不限于各个临床试验的申办方、试验状态、招募人数、治疗类别、治疗药物、适应症、期别、以及受试者类型等固定信息;以及病理分型、疾病分期、是否进行过手术治疗、是否进行过术前或术后化疗、是否进行过术前或术后辅助或、是否进行过放疗、是否进行过化疗、化疗用过几种方案、基因突变情况、是否进行过靶向治疗、PD-1/PD-L1表达、是否进行过免疫治疗、ECGO评分、是否有可测量病灶等信息;可选的,临床试验数据库中还记录有临床试验的实施地址信息。
在此,本领域技术人员应当理解的是,本实施例对录入临床试验数据时所采用的具体录入形式不做限定。例如,可以以键盘等将临床试验数据输入数据库中,也可以通过勾选选项等方式将数据录入。例如,对于基本信息中的申办方、招募人数等可设置为需通过键入等方式进行录入,而试验状态可设置为包含尚未招募、招募中、以及招募完成等选项的选择录入方式;对于纳入标准和排除标准,通常设置为选择录入方式。例如,分期一栏设置包含I期、II期、IIIA期、IIIB期、以及IV期等选项;而对于未给予明确选择的条目,可选择与该项相关的项目,如某临床试验招募纳入标准的一项为“非小细胞肺癌”,则在录入该项的关联选项“病理分型”时须包含“肺腺癌”、“肺鳞癌”、“肺腺鳞癌”以及“未知”;而对于纳入标准与排除标准内规定的内容,如短期内会发生变化的,如7天内不能参与的活动(规定入组前7天内不能接受某类药物)、明确的实验室指标(如中性粒细胞计数(ANC)<1.5×109/L)等,不计入关联性选项的考虑范围内。
为提高临床试验数据的可靠性,在临床试验数据库中结构化录入的临床试验数据均来源于已在政府机构注册的公开招募受试者的官方临床试验公示网站。
可选的,为进一步提高临床试验数据的实时性及准确性,可进一步接收与临床试验关联机构的数据更新请求,并更新存储于临床试验数据库中的临床试验数据。例如,删除临床试验数据库中的过期临床试验数据,修改临床试验数据、增加新的临床试验数据等。
并且,进一步地为患者用户设置结构化问卷。其中,结构化问卷为基于疾病共性以及临床试验要求而设置。其中,此处的疾病包括临床试验研究范围内的所有疾病。具体的设置方式本领域技术人员可自行设置,本实施例在此不做限定。
进一步地,为保证临床试验的顺利进行,本实施例中的结构化问卷除了包含有基于疾病共性以及临床试验要求而设置的问题外,还包含有至少一个患者依从性问题。例如,该依从性问题可以为“是否能坚持完成临床试验”等等。可选的,由于患者的地理位置与临床试验的实施位置在一定程度上可影响患者用户的依从性,故此,本实施例中的结构化问卷还可以包含患者用户的地址位置问题。
步骤S220,获取患者用户通过结构化问卷输入的病例数据,生成与患者用户相对应的结构化病例。
其中,可为患者用户设置相应的患者用户编号,患者用户可通过步骤S210中生成的结构化问卷输入病例数据,待用户输入该病例数据后,获取该病例数据,并自动生成与该患者用户编号对应的结构化病例。每个结构化病例为一个包含有多个相互关联的选项的集合,通过该包含有多个相互关联的选项的集合可唯一确定出一个结构化病例。具体地,患者用户可通过勾选结构化问卷中问题下的选项而输入病例数据。
可选的,本步骤中可进一步获取患者用户通过答复结构化问卷中的患者依从性问题而输入的患者依从性数据,由于该数据可反映患者用户主观依从性,所以,可根据该患者依从性数据生成与该患者用户相对应的依从性主观评价信息。
可选的,为进一步提高结构化病例的准确性以及用户体验,本实施例中可选择性地为患者用户提供更改结构化病例的接口,患者用户可通过该接口修改结构化病例中错误的部分。
步骤S230,将结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告。
具体地,将结构化病例与预先存储于临床试验数据库中的各个临床试验对应的基本信息、纳入标准信息、以及排除标准信息进行匹配,当临床试验对应的基本选项数据、纳入标准数据、以及排除标准数据与患者用户相对应的结构化病例匹配时,表明该患者用户符合该临床试验受试者要求,则将该临床试验纳入临床试验筛选报告中。
根据结构化病例与临床试验数据的匹配结果,最终临床试验筛选报告中呈现的临床试验可以为0个、1个或多个。当最终临床试验筛选报告中呈现的临床试验可以为多个时,可根据临床试验的实施地址与患者通过结构化问卷输入的地址由近至远的顺序在临床试验筛选报告中依次呈现各个临床试验。
以肺癌为例,某一结构化病例中“癌症分型”为“肺腺癌”、“分期”为“IV期”、以及“身体状况”为“活动能力完全正常”,其临床试验数据库中包含“肺腺癌”、“IV期”、以及“ECOG评分”为“0”的临床试验与该结构化病例相匹配,则将符合该条件的临床试验纳入临床试验筛选报告中;同样,若结构化病例中“基因突变”为“EGFR”以及“高血压病史”为“否”,则临床试验数据库中包含有“基因突变”为“EGFR”、以及“高血压病史”为“否”的临床试验可进入筛选报告。
步骤S240,获取患者用户在临床试验筛选报告中选择的临床试验,并将患者用户信息以及患者用户相对应的结构化病例发送至选择的临床试验相对应的关联机构。
将步骤S230中生成的临床试验筛选报告呈现给患者用户,患者用户可选择参加临床试验筛选报告中的一个或多个临床试验。待患者用户选择临床试验后,将患者用户信息以及结构化病例发送至选择的临床试验相对应的关联机构。其中,与临床试验相对应的关联机构包括但不限于临床试验招募机构、临床试验申办机构、临床试验实施机构、临床试验关联的制药公司等。
可选的,为保护患者隐私,患者用户信息可仅包含患者用户的联系方式,而不包含患者名称等信息,从而实现对患者的匿名保护。
可选的,在将患者用户信息以及患者用户相对应的结构化病例发送至选择的临床试验相对应的关联机构时,可将步骤S220中生成的依从性主观评价信息一并发送至该选择的临床试验相对应的关联机构。
步骤S250,接收关联机构反馈的患者用户参加临床试验的反馈数据。
待患者用户选择的临床试验相对应的关联机构接收到患者用户的基本信息以及结构化病例后,关联机构可根据患者用户的基本信息与患者进行直接联系,并反馈患者用户参加临床试验的反馈数据。其中,该反馈数据包括患者用户的入组反馈信息,以及患者用户的退组反馈信息。根据反馈数据,生成患者用户的依从性客观评价信息。该依从性客观评价信息可在为该患者用户进行下一次的临床试验匹配时,发送至相匹配的临床试验的关联机构。
可选的,可进一步接收患者用户查看关联机构反馈的患者用户参加临床试验的反馈数据中的全部或部分数据的查询请求。例如,患者用户可查询自己参加临床试验的入组情况,以及查询未成功入组的原因等。
通过步骤S210至步骤S250的实施,可实现为患者用户匹配相应的临床试验。而在一种可选的实施方式中,每当在临床试验数据库中录入新的临床试验数据时,判断已经生成的结构化病例对应的患者用户是否同意为其进行后续的临床试验匹配,将同意进行后续的临床试验匹配的患者用户的结构化病例与该新的临床试验数据进行匹配,从而获得与该新的临床试验相匹配的结构化病例;进一步地将与该新的临床试验相匹配的结构化病例以及患者用户信息发送至与该新的临床试验相对应的关联机构,从而可在为患者用户匹配相应的临床试验的基础上,进一步地为临床试验匹配相应的患者用户。
根据本实施例提供的临床试验匹配方法,首先配置临床试验数据库,并设置结构化问卷;并通过获取患者用户通过结构化问卷输入的病例数据,生成与患者用户相对应的结构化病例;将结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告;获取患者用户在临床试验筛选报告中选择参加的临床试验,并将患者用户信息以及患者用户相对应的结构化病例发送至选择参加的临床试验相对应的关联机构;接收关联机构反馈的患者用户入组数据。采用本方案,可实现临床试验与患者的自动化精准匹配,降低患者寻求临床试验机构,以及临床试验招募等机构寻找受试者的时间及人力成本;并且,在本实施例中通过对患者用户的依从性主观评价信息及依从性客观评价信息的生成,可进一步地为临床试验的关联机构提供筛选受试者的基础,并有利于临床试验的顺利进行。
图3示出了根据本发明一个实施例提供的临床试验匹配***的功能结构框图。如图3所示,该***包括:临床试验数据库31、病例生成模块32、报告生成模块33、发送模块34、以及反馈模块35。
其中,临床试验数据库31,适于存储临床试验数据。
病例生成模块32,适于将所述结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告。
报告生成模块33,适于将结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告。
发送模块34,适于获取患者用户在所述临床试验筛选报告中选择的临床试验,并将所述患者用户信息以及所述患者用户相对应的结构化病例发送至所述选择的临床试验相对应的关联机构。
反馈模块35,适于接收所述关联机构反馈的患者用户参加临床试验的反馈数据。
可选的,临床试验数据具体包括:各个临床试验对应的基本信息、纳入标准信息、以及排除标准信息;则报告生成模块33进一步适于:当临床试验对应的基本选项数据、纳入标准数据、以及排除标准数据与患者用户相对应的结构化病例匹配时,将所述临床试验纳入临床试验筛选报告中。
可选的,结构化问卷基于疾病共性和/或临床试验要求而设置。
可选的,结构化问卷中包含至少一个患者依从性问题,则该***还包括:
依从性主观评价模块(图中未示出),适于获取患者用户通过结构化问卷输入的患者依从性数据,生成所述患者用户的依从性主观评价信息;
以及,依从性客观评价模块(图中未示出),适于在接收关联机构反馈的患者用户参加临床试验的反馈数据之后,根据反馈数据,生成患者用户的依从性客观评价信息。
可选的,该***还包括:临床试验匹配模块(图中未示出),适于每当在临床试验数据库中录入新的临床试验数据时,获取与新的临床试验相匹配的结构化病例;将与新的临床试验相匹配的结构化病例以及患者用户信息发送至与所述新的临床试验相对应的关联机构。
其中,本实施例中各个模块的具体实施过程可参照图1或图2所示方法实施例中的相应部分,在此不做赘述。
根据本实施例提供的临床试验匹配装置,通过获取患者用户通过结构化问卷输入的病例数据,生成与患者用户相对应的结构化病例;将结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告;获取患者用户在临床试验筛选报告中选择参加的临床试验,并将患者用户信息以及患者用户相对应的结构化病例发送至选择参加的临床试验相对应的关联机构;接收关联机构反馈的患者用户入组数据。采用本方案,可实现临床试验与患者的自动化精准匹配,降低患者寻求临床试验机构,以及临床试验招募等机构寻找受试者的时间及人力成本。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种临床试验匹配方法,包括:
获取患者用户通过结构化问卷输入的病例数据,生成与所述患者用户相对应的结构化病例;
将所述结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告;
获取患者用户在所述临床试验筛选报告中选择的临床试验,并将所述患者用户信息以及所述患者用户相对应的结构化病例发送至所述选择的临床试验相对应的关联机构;
接收所述关联机构反馈的患者用户参加临床试验的反馈数据。
2.根据权利要求1所述的方法,其中,所述临床试验数据具体包括:
各个临床试验对应的基本信息、纳入标准信息、以及排除标准信息;
所述根据匹配结果生成临床试验筛选报告进一步包括:
当临床试验对应的基本选项数据、纳入标准数据、以及排除标准数据与患者用户相对应的结构化病例匹配时,将所述临床试验纳入临床试验筛选报告中。
3.根据权利要求1所述的方法,其中,所述结构化问卷基于疾病共性以及临床试验要求设置。
4.根据权利要求1-3中任一项所述的方法,其中,所述结构化问卷中包含至少一个患者依从性问题,则所述方法还包括:获取患者用户通过结构化问卷输入的患者依从性数据,生成所述患者用户的依从性主观评价信息;
以及,在接收所述关联机构反馈的患者用户参加临床试验的反馈数据之后,根据所述反馈数据,生成所述患者用户的依从性客观评价信息。
5.根据权利要求1-3中任一项所述的方法,其中,所述方法还包括:
每当在临床试验数据库中录入新的临床试验数据时,获取与所述新的临床试验相匹配的结构化病例;
将与所述新的临床试验相匹配的结构化病例以及患者用户信息发送至与所述新的临床试验相对应的关联机构。
6.一种临床试验匹配***,包括:
临床试验数据库,适于存储临床试验数据;
病例生成模块,适于获取患者用户通过结构化问卷输入的病例数据,生成与所述患者用户相对应的结构化病例;
报告生成模块,适于将所述结构化病例与预先存储于临床试验数据库中的临床试验数据进行匹配,根据匹配结果生成临床试验筛选报告;
发送模块,适于获取患者用户在所述临床试验筛选报告中选择的临床试验,并将所述患者用户信息以及所述患者用户相对应的结构化病例发送至所述选择的临床试验相对应的关联机构;
反馈模块,适于接收所述关联机构反馈的患者用户参加临床试验的反馈数据。
7.根据权利要求6所述的***,其中,所述临床试验数据具体包括:
各个临床试验对应的基本信息、纳入标准信息、以及排除标准信息;
所述报告生成模块进一步适于:当临床试验对应的基本选项数据、纳入标准数据、以及排除标准数据与患者用户相对应的结构化病例匹配时,将所述临床试验纳入临床试验筛选报告中。
8.根据权利要求6所述的***,其中,所述结构化问卷基于疾病共性和/或临床试验要求而设置。
9.根据权利要求6-8中任一项所述的***,其中,所述结构化问卷中包含至少一个患者依从性问题,则所述***还包括:
依从性主观评价模块,适于获取患者用户通过结构化问卷输入的患者依从性数据,生成所述患者用户的依从性主观评价信息;
以及,依从性客观评价模块,适于在接收所述关联机构反馈的患者用户参加临床试验的反馈数据之后,根据所述反馈数据,生成所述患者用户的依从性客观评价信息。
10.根据权利要求6-8中任一项所述的***,其中,所述***还包括:临床试验匹配模块,适于每当在临床试验数据库中录入新的临床试验数据时,获取与所述新的临床试验相匹配的结构化病例;将与所述新的临床试验相匹配的结构化病例以及患者用户信息发送至与所述新的临床试验相对应的关联机构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810163684.5A CN108364692A (zh) | 2018-02-27 | 2018-02-27 | 临床试验匹配方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810163684.5A CN108364692A (zh) | 2018-02-27 | 2018-02-27 | 临床试验匹配方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108364692A true CN108364692A (zh) | 2018-08-03 |
Family
ID=63002698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810163684.5A Pending CN108364692A (zh) | 2018-02-27 | 2018-02-27 | 临床试验匹配方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108364692A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461477A (zh) * | 2018-11-09 | 2019-03-12 | 医渡云(北京)技术有限公司 | 临床试验对象确定方法及装置、存储介质和电子设备 |
CN110223784A (zh) * | 2019-06-17 | 2019-09-10 | ***科技(杭州)有限公司 | 临床试验患者匹配方法 |
CN110866669A (zh) * | 2018-08-28 | 2020-03-06 | 上海交通大学医学院 | 一种用于研究者发起临床研究的质量评估*** |
CN111008326A (zh) * | 2019-08-27 | 2020-04-14 | 嘉兴太美医疗科技有限公司 | 临床研究受试者检索方法、装置和计算机可读介质 |
CN117352112A (zh) * | 2023-10-12 | 2024-01-05 | 北京遥领医疗科技有限公司 | 临床试验受试者招募方法及招募*** |
CN117854659A (zh) * | 2024-03-08 | 2024-04-09 | 厦门茶蕊生物医药科技有限公司 | 一种临床试验用ai交互方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101816002A (zh) * | 2007-08-02 | 2010-08-25 | 科利尼安全保健公司 | 筛查方法 |
CN104318355A (zh) * | 2014-10-11 | 2015-01-28 | 广东省生物制品与药物研究所 | 疫苗临床试验网络管理方法及*** |
CN106471506A (zh) * | 2014-03-28 | 2017-03-01 | 赛特龙数字健康股份公司 | 用于临床试验参与者的浸入软件即服务式患者授权平台 |
CN106796620A (zh) * | 2014-06-30 | 2017-05-31 | 凯杰雷德伍德城公司 | 用于解释和报告基于序列的基因测试的方法和*** |
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 |
-
2018
- 2018-02-27 CN CN201810163684.5A patent/CN108364692A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101816002A (zh) * | 2007-08-02 | 2010-08-25 | 科利尼安全保健公司 | 筛查方法 |
CN106471506A (zh) * | 2014-03-28 | 2017-03-01 | 赛特龙数字健康股份公司 | 用于临床试验参与者的浸入软件即服务式患者授权平台 |
CN106796620A (zh) * | 2014-06-30 | 2017-05-31 | 凯杰雷德伍德城公司 | 用于解释和报告基于序列的基因测试的方法和*** |
CN104318355A (zh) * | 2014-10-11 | 2015-01-28 | 广东省生物制品与药物研究所 | 疫苗临床试验网络管理方法及*** |
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 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866669A (zh) * | 2018-08-28 | 2020-03-06 | 上海交通大学医学院 | 一种用于研究者发起临床研究的质量评估*** |
CN109461477A (zh) * | 2018-11-09 | 2019-03-12 | 医渡云(北京)技术有限公司 | 临床试验对象确定方法及装置、存储介质和电子设备 |
CN110223784A (zh) * | 2019-06-17 | 2019-09-10 | ***科技(杭州)有限公司 | 临床试验患者匹配方法 |
CN111008326A (zh) * | 2019-08-27 | 2020-04-14 | 嘉兴太美医疗科技有限公司 | 临床研究受试者检索方法、装置和计算机可读介质 |
CN117352112A (zh) * | 2023-10-12 | 2024-01-05 | 北京遥领医疗科技有限公司 | 临床试验受试者招募方法及招募*** |
CN117854659A (zh) * | 2024-03-08 | 2024-04-09 | 厦门茶蕊生物医药科技有限公司 | 一种临床试验用ai交互方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364692A (zh) | 临床试验匹配方法及*** | |
Hoerger et al. | Defining the elements of early palliative care that are associated with patient-reported outcomes and the delivery of end-of-life care | |
Ramirez et al. | The All of Us Research Program: data quality, utility, and diversity | |
Basch et al. | Composite grading algorithm for the national cancer institute’s patient-reported outcomes version of the common terminology criteria for adverse events (PRO-CTCAE) | |
Secanell et al. | Deepening our understanding of quality improvement in Europe (DUQuE): overview of a study of hospital quality management in seven countries | |
Menetski et al. | The Foundation for the National Institutes of Health Biomarkers Consortium: past accomplishments and new strategic direction | |
US10360349B2 (en) | Personalized medicine service | |
Kashner et al. | Impact of structured clinical interviews on physicians' practices in community mental health settings | |
Faul et al. | Survivorship care planning in colorectal cancer: feedback from survivors & providers | |
Murthy et al. | Association between intracerebral hemorrhage and subsequent arterial ischemic events in participants from 4 population-based cohort studies | |
Merlin et al. | Assessing personalized medicines in Australia: a national framework for reviewing codependent technologies | |
Ament et al. | Tools to help healthcare professionals recognize palliative care needs in patients with advanced heart failure: a systematic review | |
CN105940427A (zh) | 识别用于临床试验的候选人 | |
CN105096225A (zh) | 辅助疾病诊疗的分析***、装置及方法 | |
EP2788925A2 (en) | System and method for evaluating and marketing clinical research centers | |
US20140100874A1 (en) | Method for displaying linked family health history on a computing device | |
Castelo-Branco et al. | ESMO guidance for reporting oncology real-world evidence (GROW) | |
Nadauld et al. | Strategies for clinical implementation: precision oncology at three distinct institutions | |
Flores-Toro et al. | The Childhood Cancer Data Initiative: using the power of data to learn from and improve outcomes for every child and young adult with pediatric cancer | |
Gliklich et al. | Tools and Technologies for Registry Interoperability, Registries for Evaluating Patient Outcomes: A User’s Guide, Addendum 2.(Prepared by L&M Policy Research, LLC under Contract No. 290-2014-00004-C.) AHRQ Publication No. 19 (20)-EHC017-EF | |
Mudaranthakam et al. | A Curated Cancer Clinical Outcomes Database (C3OD) for accelerating patient recruitment in cancer clinical trials | |
Klem et al. | Building PROMIS item banks: librarians as co-investigators | |
Heithoff et al. | The integrated National NeuroAIDS Tissue Consortium database: a rich platform for neuroHIV research | |
Stolba et al. | The relevance of data warehousing and data mining in the field of evidence-based medicine to support healthcare decision making | |
Lucarini et al. | From “Cure” to “Care”: The Role of the MultiDisciplinary Team on Colorectal Cancer Patients’ Satisfaction and Oncological 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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180803 |
|
RJ01 | Rejection of invention patent application after publication |