隨著越來越多的試驗評估已批准的治療和替代護理策略,針對這些研究的倫理監督變得必要。美國的人類研究規範強調研究風險高於標準臨床護理,因此需要更嚴格的保護。現有的監督系統雖有效,但過於標準化,未考慮比較效果研究的特性。應考慮風險程度及病人選擇的限制,並根據這些因素將臨床試驗分類為高風險或低風險。此外,建議探索簡化的同意流程,以促進病人的有意義選擇。總之,倫理監督應與風險和病人決策影響成比例。 PubMed DOI ♡
審查委員會(IRB)因為工作人員經驗不足,被批評批准研究計畫時出現延遲。研究指出,大型語言模型(LLMs)有助於提升IRB成員的審查效率。四個LLMs在案例研究中被測試,顯示在評估資格、易受傷害性、知情同意、風險效益分析和安慰劑使用等方面具有潛力。雖然LLMs在某些方面遇到困難,但在多次提示下有所改善。總的來說,LLMs有助於識別研究中的倫理關切並提高IRB的效率。 PubMed DOI
這篇文章討論了臨床醫學中數位科技的演進,並強調在病人受益的情況下平衡科技、臨床專業知識和人文價值的重要性。監管機構正著重通過臨床試驗和倡議來改善醫療保健,例如「世界衛生組織的數位干預指南」和「食品藥物管理局的數位健康卓越中心」。 PubMed DOI
為了提升醫療服務,必須整合臨床試驗知識與實際護理。目前問題在於臨床試驗與醫療系統分離,導致效率不佳,也無法滿足病患需求。解決方法包括明確規範、有效研究設計、電子健康紀錄整合,以及激勵措施來協調利益相關者。整合兩者對於提升醫療服務至關重要。 PubMed DOI
目前臨床試驗中的數據存取和利用方式幾乎沒有改變,導致系統碎片化和效率低下,影響證據的質量與數量。雖然試驗設計有所改善,但數據收集仍然成本高且勞動密集,限制了對不同患者群體的有效性評估。隨著對隨機臨床試驗證據需求的增加,亟需整合電子健康紀錄的互通性和數據標準化,建立一個有凝聚力的數據基礎設施。我們提出現代化的願景,強調多樣數據來源的收集與評估,以及健康數據的重複利用,並強調多學科合作的重要性。 PubMed DOI
在隨機試驗中,死亡事件可能會影響研究結果,這被稱為競爭風險。傳統的Cox比例風險模型將死亡視為截尾數據,可能導致偏差,因為它假設存活者能代表未存活者。Fine和Gray模型雖然常用,但有時應用不當。為了解決這些問題,我們提出了一種多重插補的方法,能更好地考量死亡與未觀察結果風險的關係。我們透過三個心血管試驗的例子和模擬研究,展示了這種方法的有效性,並提供了對未來臨床試驗管理競爭風險的實用建議。 PubMed DOI
隨機臨床試驗對於心血管治療的有效性和安全性非常重要,但面臨高成本、長時間及缺乏多樣性等挑戰。人工智慧(AI)技術的應用有助於改善試驗設計、病人招募、知情同意、結果評估等方面。不過,AI也有風險,如結果不準確、對某些族群的偏見及隱私問題。為了解決這些問題,醫學期刊和監管機構正在建立新的評估框架。謹慎且透明地使用AI對於確保試驗結果的完整性至關重要。 PubMed DOI
試驗模擬,又稱目標試驗模擬,透過模仿隨機對照試驗(RCTs)來增強流行病學和因果推斷,旨在減少偏差和混雜因素,得出更準確的因果結論。這方法的關鍵在於明確起始點、使用傾向分數配對等技術模擬隨機分配,並確保各組可比性。隨著真實世界數據來源的增加,這種方法越來越受重視,幫助研究人員獲得有意義的治療效果見解,指導臨床實踐。不過,數據質量和未測量的混雜因素仍是挑戰,未來可能會結合機器學習來應對。總之,試驗模擬在從觀察數據中獲得可靠因果推斷方面是一大進展,將有助於公共健康。 PubMed DOI
近5到10年來,腎臟疾病的研究進展顯著,特別是針對糖尿病患者。研究顯示,腎病進展的模式相似,新療法雖能減緩病情,但無法完全阻止腎功能下降。未來試驗需面對挑戰,包括設計更大且包容的研究,以確保結果可靠。新藥如SGLT2抑制劑在慢性腎病中顯示良好效果,強調多樣化患者群體的重要性。簡化試驗流程和創新招募策略將有助於提升研究質量,改善患者護理。 PubMed DOI
人工智慧(AI)正在改變醫療保健,但也帶來了倫理和法規挑戰。本研究旨在建立一個可信賴的AI框架,強調透明度和公平性,並提供可行策略以在臨床中實施。透過文獻回顧,發現目前AI治理存在缺口,提出了適應性監管框架和可量化的可信度指標。研究強調多方參與和全球合作的重要性,以確保AI創新能解決醫療需求。實現可信賴的AI需要技術進步、倫理保障和持續合作,促進負責任的創新並提升病人結果。 PubMed DOI
臨床試驗對醫學進步和病人獲得新療法非常重要,但像 ClinicalTrials.gov 的複雜語言讓人難以理解。本研究探討大型語言模型(LLMs),特別是 GPT-4,如何改善病人對癌症臨床試驗的教育。研究人員利用知情同意書,透過兩種 AI 方法創建易懂的摘要,並設計多選題評估病人理解。結果顯示,AI 生成的摘要更易讀,且超過 80% 的參與者表示理解更好。儘管 LLMs 有助於增強病人參與,但仍需解決準確性和倫理問題,未來應專注於改善 AI 流程和遵循法規。 PubMed DOI