Medidata Detect，通过机器学习自动检测数据风险

随着申办方和CRO继续采用新技术进行试验，临床操作越来越多地将基于风险的质量管理集成到正常活动中，而不是将其单独进行。

将基于风险的质量管理整合到日常临床实践中的模式转变有助于申办者和CRO在识别数据异常的同时更好地掌握数据趋势和患者结果。未知或预料之外的数据和事件可能会对数据质量和研究结果产生重大影响，并且随着试验复杂性的增加，数据问题也变得更加普遍-从2005年到2015年，收集的患者数据总量增加了88％。

基于风险的监查通常可以在数据库锁定或法规提交之前，帮助及早发现并解决数据问题。

Medidata采取整体方法来实现良好的临床实践，并且通过强大而动态的基于风险的质量管理解决方案来支持申办者和CRO的努力。借助Medidata Detect，临床运营团队无需统计专业知识即可自动发现数据错误、趋势和异常，从而使生物统计学家可以专注于更高价值的活动上。

Medidata Detect是一种中心化统计监查解决方案，可帮助客户管理数据质量，监查研究机构表现并确保患者安全。专有的机器学习算法和统计测试可检测已知和未知的风险，以触发纠正措施，并主动将研究延迟和提交失败的风险降至最低。

助力优化患者安全性和数据完整性

Medidata Detect 具备主动调查根本原因并采取改进措施所需的预见性，可持续调查数以百万计的数据点，进而改善数据完整性和减低试验风险。

Detect 作为 Medidata Rave RBQM 的组成部分，是唯一的端到端、模块化和可扩展的应用程序套件，实现基于风险的质量管理精简流程，满足 RBQM 要求。

借助机器学习，Medidata Detect 可持续扫描并确定整个试验中所有数据字段的适当和可接受范围。此外，其还可调查数以百万计的数据点，逐一将数据集的变量与其他变量进行比较，搜索并标识两者之间的统计关系。

Detect 筛选数据中的数千个模型，以识别不符合模型或超出已确定可接受范围的不一致情况或离群值。实时标记应研究并可能需要补救的患者或研究中心相关数值。

Detect 根据预先确立的关键风险指标 (KRI)，重点关注预期存在问题的方面，还能够识别与未知及未定义风险相关的异常模型或数值。

提供数据质量管理策略，随时为您的研究保驾护航

Medidata Detect 可集成至临床试验中任一阶段，在试验设计和启动期间助力定义并管理研究风险，还可在研究执行期间随时识别意料之外的数据异常情况，并进行纠正， 防止研究中断。

最后，Medidata Detect 可确保所需数据完整性，进而统计研究结果并完成报告。

欢迎关注Medidata博客持续更新，点击阅读更多行业洞察。