由於臨床試驗是研究患者的實驗，因此他們在很大程度上依賴於找到合適的患者和正確數量的患者。只有在收集到足夠的患者信息並隨機分配治療組後才能進行臨床試驗，因此研究人員必須在截止日期前招募足夠的人員。
然而，隨著入學的開始，通常不清楚目前的招聘工作有多遠：“我們會成功嗎？我們落後了嗎？我們提前了嗎？我們在哪裡？“這種不確定性使得提前計劃並採取措施調整招聘率變得相當複雜。鑑於目前的新兵人數，如果我們能夠預測入選其餘人員需要多長時間，那麼我們是否可以毫不拖延地根據需要增加更多中心？好吧，我們可以用預測建模。
我們在招聘過程中在哪裡？
學者們開發了許多預測模型來解決這個問題;最簡單和最常用的是Poisson-Gamma分佈（Anisimov和Fedorov，2007）。該模型假設患者根據獨立泊松過程進行登記，每個泊松過程由未知的非恆定參數λ定義。Lambda是招募率（每個單位時間段招募的患者數量），表示招募的速度，並且屬於具有參數α和β的伽瑪分佈，也是未知的。
這兩個參數，alpha和beta，可以用研究人員到目前為止的登記數據來估算。使用估計的α和β並遵循伽馬分佈，研究人員可以模擬不同的招募率（lambda）值，從而模擬來自lambdas的剩餘時間的不同值。平均值，2.5 日模擬的百分位數和第97.5百分位數可以從模擬中計算出來，並作為剩餘招募的預測。這些模擬圖（圖1）為人們提供了一個直觀和直觀的概念，說明他們在招聘過程中的距離。
圖1
那裡，問題解決了！可是等等....
我怎麼知道我是否會錯過截止日期？如果預測的平均值（由紅線標記）超過目標日期，那麼這是否意味著我將無法招募足夠的患者？或者我應該看看百分位數？好吧，給我一個閾值概率，你希望你的招聘符合截止日期，我會將它與模擬剩餘時間達到截止日期的概率進行比較。如果計算的概率大於或等於閾值，那麼您當前的招聘率是可以接受的。但如果目前的招聘率未能達到您的門檻，那麼如果您要在截止日期前達到招聘目標，則需要更多的中心。
添加新中心
好的，我怎麼知道要添加多少個新中心？好問題！該模型會告訴你。如果模型發現有必要添加中心，則將啟動自適應調整，模型將使用相同的模擬方法來預測從添加一個中心開始的新剩餘時間。默認情況下，新中心的初始數量為1，但您可以更改它。新的剩餘時間包括新增中心的預計剩餘時間以及新中心延遲上線的時間。然後，模型需要您的另一個概率。您已經給出了與當前中心達到截止日期的最小概率，因此該模型知道何時開始添加更多中心;下一步是提供滿足新中心截止日期的最低概率，以便模型知道何時停止添加更多中心。
該模型計算新模擬符合截止日期的概率，並添加新中心，並將其與您指定的第二個最小概率進行比較。如果前者的概率小於後者，它將繼續增加一個新的中心，直到它們相等或者前者大於後者。通過這種方式，該模型找到了符合最低標準的最少數量的額外中心，以便您在截止日期前同時達到您的註冊目標。下表和圖表說明了整個自適應調整過程。請注意，您需要指定的兩個概率可能相同（當您對模擬達到目標日期的概率具有相同要求時，無論是否添加新中心）。
圖2
圖3
表格1
任務完成！
這種針對多中心患者招募的預測模型功能強大且可調節。它讓您清楚地了解您的招聘情況以及未來的情況 - 您還可以通過更改選項將其自定義為您想要的標準。您所需要的只是參與者招募正在進行的臨床試驗的數據，這使您可以評估和調整招募策略，以使您的試驗按計劃進行。
我創建了圖表和表格 JMP臨床 （人口統計學和訪問>患者招募）。JMP Clinical還有一套其他預測工具可用於您的臨床試驗分析。
蔣曉彤中寫道：
嗨，埃米爾。非常感謝您的關注！簡而言之，JMPC使用整個綠色區域來預測未來的招募。儘管在目前的招聘結束時它已經平了一點，整體招聘率仍然相對較高，因此預測值將隨著這一速度而增加。如果您只使用最新數據（例如過去六個月），您會看到更平坦的斜率，因為扁平化部分變得更有影響力。如果您有更多問題，請隨時給我發電子郵件！
Raj Bandaru 中寫道：
非常好，有趣的是看到這是如何針對一些真實的招聘數據以及如何包含其他參數。
埃米爾弗里德曼中寫道：
圖1顯示實際招聘已經趨於平緩。為什麼推斷會說斜率會增加？
