33、临床数据挖掘：方法、应用与原则

临床数据挖掘：方法、应用与原则

1. 现有方法在临床或观察性数据中的应用

在临床研究中，许多学者将现有的方法应用于实际的临床或观察性数据，以下是一些具体的应用案例：
|研究者|应用方法|应用场景|
| ---- | ---- | ---- |
|Hardin 等（2013）|SIDES|对 2 型糖尿病患者的大型跨国、随机、开放标签试验进行探索性分析，以确定赖脯胰岛素混合制剂与甘精胰岛素的效果与总体人群有显著差异的亚组|
|Dmitrienko 等（2015）|SIDES 方法|基于两项 III 期跨国试验的 ATTAIN 项目，评估特拉万星（试验抗生素）与万古霉素（活性对照抗生素）治疗成人医院获得性肺炎的安全性和有效性|
|Hou 等（2015）|多种基于树的亚组识别方法（包括交互树和虚拟双胞胎）|对昂丹司琼治疗酒精依赖的药物遗传学试验数据进行分析|
|Patel 等（2016）|交互树、SIDES 和间接网络荟萃分析|分析 19 项随机临床试验汇总的腰痛患者数据，以确定由多个参数定义的亚组|
|Doubleday（2016）|递归分区方法|评估来自随机和观察性数据的个体化治疗分配规则，并将其应用于电子病历中的糖尿病数据|
|Seibold 等（2016）|基于模型的递归分区方法|为多项随机临床试验汇总的肌萎缩侧索硬化症患者构建个体治疗效果预测|

此外，QSPI（制药行业定量科学）亚组分析工作组维护的网站（http://biopharmnet.com/subgroup-analysis-software/）提供了多个实现流行亚组识别方法的软件包链接，这些方法包括 CRAN 中可用的 R 包（如 aVirtualTwin