دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Alex Dmitrienko. Erik Pulkstenis
سری: Chapman & Hall/CRC Biostatistics Series
ISBN (شابک) : 149873507X, 1315120836
ناشر: CRC Press;Chapman and Hall/CRC
سال نشر: 2017
تعداد صفحات: 338
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب بهینه سازی کارآزمایی بالینی با استفاده از R: کارآزماییهای بالینی -- روشهای آماری، R (زبان برنامه کامپیوتری)، سلامت و تناسب اندام / کل نگر، سلامت و تناسب اندام / مرجع، پزشکی / پزشکی جایگزین، پزشکی / اطلس، پزشکی / مقالات، پزشکی / خانواده و عمومی، پزشکی / پزشکی جامع ,پزشکی / استئوپاتی
در صورت تبدیل فایل کتاب Clinical Trial Optimization Using R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بهینه سازی کارآزمایی بالینی با استفاده از R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
بهینهسازی کارآزمایی بالینی با استفاده از R یک چارچوب یکپارچه و قابل اجرا را برای بهینهسازی تصمیمگیری و انتخاب استراتژی در توسعه بالینی، از طریق مجموعهای از مثالها و مطالعات موردی بررسی میکند. به محقق بالینی یک الگوی ارزیابی قدرتمند و همچنین ابزارهای حمایتی R برای ارزیابی و انتخاب از میان طرحها یا گزینههای تحلیلی رقیب همزمان ارائه میکند. این به طور گسترده برای آماردانان و سایر کارآزماییهای بالینی کمی که علاقهمند به بهینهسازی کارآزماییهای بالینی، برنامههای کارآزمایی بالینی، یا تحلیلهای مرتبط و تصمیمگیری هستند، کاربرد دارد.
این کتاب در ارائه شده است. چارچوب ارزیابی سناریوی بالینی (CSE) را عمیق می کند، و استراتژی های بهینه سازی، از جمله ارزیابی کمی مبادلات را مورد بحث قرار می دهد. انواع چالش های توسعه رایج به عنوان مطالعات موردی ارزیابی می شوند و برای نشان دادن اینکه چگونه این چارچوب انتخاب استراتژی را هم ساده و هم بهینه می کند، استفاده می شود. تنظیمات خاص شامل بهینهسازی طرحهای تطبیقی، استراتژیهای تحلیل چندگانه و زیرگروهی، و معیارهای کلی تصمیمگیری توسعه پیرامون Go/No-Go است. پس از این کتاب، خواننده برای گسترش چارچوب CSE به چالشهای توسعه خاص خود نیز مجهز خواهد شد.
Clinical Trial Optimization Using R explores a unified and broadly applicable framework for optimizing decision making and strategy selection in clinical development, through a series of examples and case studies. It provides the clinical researcher with a powerful evaluation paradigm, as well as supportive R tools, to evaluate and select among simultaneous competing designs or analysis options. It is applicable broadly to statisticians and other quantitative clinical trialists, who have an interest in optimizing clinical trials, clinical trial programs, or associated analytics and decision making.
This book presents in depth the Clinical Scenario Evaluation (CSE) framework, and discusses optimization strategies, including the quantitative assessment of tradeoffs. A variety of common development challenges are evaluated as case studies, and used to show how this framework both simplifies and optimizes strategy selection. Specific settings include optimizing adaptive designs, multiplicity and subgroup analysis strategies, and overall development decision-making criteria around Go/No-Go. After this book, the reader will be equipped to extend the CSE framework to their particular development challenges as well.
Content: Cover
Half Title
Title Page
Copyright Page
Table of Contents
Preface
List of Contributors
1: Clinical Scenario Evaluation and Clinical Trial Optimization
1.1 Introduction
1.2 Clinical Scenario Evaluation
1.2.1 Components of Clinical Scenario Evaluation 1.2.2 Software implementation 1.2.3 Case study 1.1: Clinical trial with a normally distributed endpoint
1.2.4 Case study 1.2: Clinical trial with two time-to-event endpoints
1.3 Clinical trial optimization
1.3.1 Optimization strategies
1.3.2 Optimization algorithm 1.3.3 Sensitivity assessments 1.4 Direct optimization
1.4.1 Case study 1.3: Clinical trial with two patient populations
1.4.2 Qualitative sensitivity assessment
1.4.3 Quantitative sensitivity assessment
1.4.4 Optimal selection of the target parameter 1.5 Tradeoff-based optimization 1.5.1 Case study 1.4: Clinical trial with an adaptive design
1.5.2 Optimal selection of the target parameter
2: Clinical Trials with Multiple Objectives
2.1 Introduction
2.2 Clinical Scenario Evaluation framework
2.2.1 Data models 2.2.2 Analysis models 2.2.3 Evaluation models
2.3 Case study 2.1: Optimal selection of a multiplicity adjustment
2.3.1 Clinical trial
2.3.2 Qualitative sensitivity assessment
2.3.3 Quantitative sensitivity assessment
2.3.4 Software implementation