Der anfängliche Rekrutierungszeitplan für eine klinische Studie wird häufig anhand der Teilnehmerzahlen früherer Studien ermittelt. Trotz größter Bemühungen können Schwierigkeiten bei der Identifizierung und Rekrutierung der erforderlichen Patienten für eine ausreichende Studiendurchführung den Studienabschluss verzögern. Längere Zeitpläne führen zu höheren Kosten für die laufende Studie und Verzögerungen bei nachgelagerten Aktivitäten, darunter zusätzliche klinische Studien oder eine mögliche Zulassungszulassung. Wir präsentieren eine Implementierung des Algorithmus von Anisimov und Fedorov (2007) zur Vorhersage der verbleibenden Rekrutierungszeit in JMP Clinical. Die Patienteneingänge in jedem Zentrum folgen einem unabhängigen Poisson-Prozess, dessen Rate aus einer Gammaverteilung mit unbekannten Parametern ermittelt wird. Anhand der aktuellen Teilnehmerzahlen werden die Modellparameter mithilfe der Maximum-Likelihood-Methode geschätzt. Diese werden dann zur Vorhersage der verbleibenden Rekrutierungszeit und der Konfidenzintervalle durch Simulation verwendet. Besteht eine hohe Wahrscheinlichkeit, die Rekrutierungsfrist zu verpassen, wird die Anzahl der zusätzlichen klinischen Zentren, die zur Einhaltung der Frist benötigt werden, ermittelt und die Anzahl der Zentren adaptiv angepasst, bis die Zielzeit erreicht ist.
