Xcellerate招募分析与预测

Xcellerate®招募分析和预测是一项专门应用，可提高入组可预测性并在整个研究过程中降低风险，从而达成患者招募和交付里程碑。

推动实时做出明智的决策

项目招募里程碑方案

根据计划修正方向

为试验结果带来的价值

Xcellerate招募分析与预测采用业内唯一的历史研究者数据和人工智能，借助招募期之前和期间的详细时间表来预测招募情况。

我们的分析和预测小组在根据研究定制的模型中运用我们的历史研究者招募绩效数据以及开展I期剂量递增和扩展研究（队列设计）的经验来说明患者招募的可能结果。随着研究推进，完成队列研究并分析数据，模型将经过调整以重新评估招募工作和未来研究的规划。

概况：

患者招募是开展临床研究的最大挑战。许多研究非常不稳定，有很多方法可以对研究进行建模。Xcellerate招募分析与预测可以提供详细而灵活的预测，以轻松地对任何方案进行建模。此应用考虑了多个因素，可以为任何给定的研究进行时间表建模，从而更加切实地反映预期。

我们的团队可以进行建模的一些粒度因素包括针对特定研究中心的启动时间、结束日期、招募率、假期和季节性以及研究设计层级或亚组等数据。Xcellerate招募分析与预测确定了在国家和/或地区级别招募的患者的最小和/或最大数量，以衡量对招募的影响。在整个研究过程中不断进行评估，可以及早发现风险并制定缓解计划。

研究中心绩效指标提供了对实际绩效与预期的对比，并与前几个月进行了比较，以突出显示可能需要重点关注的研究中心，并预估研究中心招募的可能性。

我们的预测包括临床终点（例如死亡、疾病进展）的AI预测，从而可以更严格地控制研究何时结束。