Xcellerate 空间聚类分析

屡获殊荣的Xcellerate®空间聚类分析指导您根据合资格患者群的位置选择研究中心,以改善研究规划并加速患者入组。

Xcellerate空间聚类分析可将满足研究资格标准的去识别化患者群与历史绩效良好的研究中心进行匹配,从而提高达成招募里程碑的概率。  

空间聚类分析工具屏幕截图

空间聚类分析是一种定制的统计方法,可识别患者群与效能最高的研究中心之间的交集。

Xcellerate空间聚类分析可改善研究中心选择并优化临床试验设计。它还借力于我们在业内特有的研究者招募绩效分析,该分析来自于超过50%的所有全球研究数据以及现实诊断数据集,包括超过50%美国人口的超过300亿测试结果。这使我们能够分析纳入和排除标准对患者库的影响,从而为研究中心选择提供依据。Xcellerate空间聚类分析还可以发现存在符合条件的患者密度、但与已知的研究者相距较远的地点,以便进行有针对性的研究者扩展活动。

Xcellerate空间聚类分析的优势:

  • 预测性:利用历史研究者的招募绩效数据和实际诊断数据
  • 有效:发现靠近患者密度的高质量、经验丰富且历史绩效出色的研究中心。
  • 高效:收集可行的见解,以针对特定研究或项目优化研究中心/国家配置 
知识测试 - 您的“以患者为中心IQ”是多少?
知识测试 - 您的“以患者为中心IQ”是多少?
空间聚类分析工具屏幕截图

空间聚类分析可确定附近没有研究者的患者群,以发现发展机会。

空间聚类分析工具屏幕截图