Krooninen sairaus

tiivistelmä

Kontrolloiduissa kliinisissä tutkimuksissa katsotaan yleisesti olevan ajoneuvon hoitoon löytö syövän joka johtaa merkittäviin parannuksiin terveystilanteessa lukien lisääntyminen elämässä odote. Olemme aiemmin osoittaneet, että malli terapeuttisen löytö satunnaistetuissa kontrolloiduissa kokeissa (RCT) voidaan kuvata teho laki jakelu. Kuitenkin mekanismi aikaan tätä mallia ei tunneta. Tässä ehdotamme selityksen kannalta sosiaalisia suhteita tutkijoiden RCT. Käytämme verkostoanalyysiä vaikutuksen tutkimiseen vuorovaikutuksen RCT hoidon onnistumiseen. Meidän aineisto koostuu 280 faasin III satunnaistetun tekemän NCI vuodesta 1955 vuoteen 2006. RCT verkot muodostuvat kautta tutkimus vuorovaikutusten muodostuu i) sattumanvaraisesti, ii), joka perustuu yhteisiä ominaisuuksia, tai iii), joka perustuu hoidon onnistumiselle. Analysoimme hoidon onnistumisen kannalta riskisuhde funktiona verkon rakenteita. Tuloksemme osoittavat, että löytö prosessi näyttää potenssilain jos on etuoikeutettu vuorovaikutuksia kokeet, jotka voivat johtua tutkijoiden taipumus vuorovaikutuksessa valikoivasti ja menestyvät ikäisensä. Lisäksi RCT verkot ovat ”pieniä maailmoja”: tutkimuksissa on yhdistetty pieni määrä siteitä, mutta siellä on paljon ryhmittely joukossa subsets tutkimuksissa. Lisäksi havaitaan, että hoidon onnistumisen (parantunut eloonjääminen) on verrannollinen verkon keskeistä toimenpiteiden läheisyyttä ja betweenness. Negatiivinen korrelaatio selviytymisen ja missä määrin kokeet toimivat on rajattava tietoja. Lopuksi kokeissa testaamalla parantavia hoitoja kiinteitä kasvaimia osoitti korkeimman keskeisyydestä ja vaikutusvaltaisin ryhmä oli ECOG. Olemme päätellä, että mahdollisuudet löytää elintärkeitä hoidot liittyvät suoraan rikkaus sosiaalisen vuorovaikutuksen tutkijoiden välillä luonnostaan ​​etuoikeutettu vuorovaikutuksen.

Citation: Tsalatsanis A, Barnes L, Hozo I Skvoretz J, Djulbegovic B (2011) sosiaalinen verkosto analyysi hoito löydöt Cancer. PLoS ONE 6 (3): e18060. doi: 10,1371 /journal.pone.0018060

Editor: Yamir Moreno, Zaragozan yliopisto, Espanja

vastaanotettu: 18 tammikuu 2011; Hyväksytty: 19 helmikuu 2011; Julkaistu: 28 maaliskuu 2011

Copyright: © 2011 Tsalatsanis et al. Tämä on avoin pääsy artikkeli jaettu ehdoilla Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, jakelun ja lisääntymiselle millä tahansa välineellä edellyttäen, että alkuperäinen kirjoittaja ja lähde hyvitetään.

Rahoitus: Tämä tutkimus ovat tukeneet: tutkimusohjelma tutkimus eheyttä, Office of Research Integrity ja National Institutes of Health (avustukset: Ei 1R01NS044417-01, 1R01NS052956-01 ja 1R01CA133594-01 NIH /ORI); PI: Dr. Djulbegovic. Rahoittajat ollut mitään roolia tutkimuksen suunnittelu, tiedonkeruu ja analyysi, päätös julkaista tai valmistamista käsikirjoituksen.

Kilpailevat edut: Kirjoittajat ovat ilmoittaneet, etteivät ole kilpailevia intressejä ole.

Johdanto

satunnaistetussa kontrolloidussa kliinisessä tutkimuksessa (RCT) ovat laajalti pidetään yhtenä tärkeimmistä ajoneuvojen löytämään uusia hoitoja. RCT on hyvitetty huomattavaa parannusta terveystilanteessa johtaen merkittävään kasvuun elinikä olosuhteet kuten syövän, joka on aiheena paperin [1] – [7].

Olemme aiemmin osoittaneet, että menestys uusien hoitojen syövän ei sovi satunnainen normaalijakaumaa käyrä [8]. Olemme havainneet, että uudet hoidot olivat keskimäärin hieman parempi kuin vakiohoidot, aikaan pieni tai kohtalainen kehittyessä satunnaista löytämisen läpimurto interventioiden; kuvio terapeuttisia löytö, joka sopii teho lain jakauma (kuvio 1) [8]. Yleensä potenssilain jakaumat kuvata monia luonnollisia ja ihmisen ilmiöitä, kuten väestön kaupunkeihin, sana taajuus käsikirjoitus, lainaukset tieteellisen paperi jne [9], [10]. Merkitys potenssilaki löydös terapeuttisia löytö syntyy mittakaava vapaa omaisuutta jakelu, mikä tarkoittaa, että riippumatta siitä, kuinka monta kontrolloiduissa kokeissa suoritettu, löytämään uusia hoitoja kuvataan sama teho lakia.

Jakelu hoidon onnistumisen onkologiaan ilmaistuna riskisuhde (HR), jossa suurempi HR ilmaisee onnistunut hoitoja. Käyrä havainnollistaa hieman lisääntynyt määrä onnistuneita hoitona joiden teho lain funktio.

Vaikka potenssilain näyttää annettava luotettava matemaattinen kuvaus yleisen mallin hoidon onnistumisen, ei ole selvää, mitä tarkkaa mekanismi voi selittää, miten teho laki todella toimii. Olemme aiemmin väittäneet, että kokeet toimivat rajalla onnistumisen ja epäonnistumisen vuoksi periaate vastapaino [11], mikä tarkoittaa, että löytö on edelleen mahdollista vain silloin, RCT suoritetaan kun on merkittävä epävarmuus nähden suhteellisia etuja interventioiden olla testattu. Kuitenkin, jos tämä olisi ainoa selitys, jakelu hoidon onnistumisia olisi satunnainen so kuvio terapeuttisen löytö sopisi normaalijakaumaa, jonka löysimme se ei ollut. Todellisuudessa se oli odotettavissa, että perusteella valtavasti vaivaa ja rahaa käytetty löytämään uusia hoitoja, useita onnistuneita RCT olisivat merkittävästi suurempi kuin epäonnistuneiden niitä, seurauksena on vino jakeluun. Vastapaino hypoteesi ei anna selitystä sille, että uudet hoidot ovat hieman parempia kuin vanhat, koska siinä ei oteta huomioon tutkijoiden pyrkimyksiä kehittää uusia enemmän onnistuneita hoitoja [8]. Tässä artikkelissa, me väittävät, että mekanismi vastuussa Havaittu terapeuttisessa löytö on sosiaalisen vuorovaikutuksen välillä tutkijat kliinisiä tutkimuksia (mutta joilla ei ole työskentelemään eettisiä vaatimuksen vastapaino).

prosessi löytö, joka luonnehtii tieteellinen kehitys on luonnostaan ​​sosiaalinen yritys. Pyrkimys tulevaisuuden löytöjä riippuu ymmärrystä nykyisten ja jatkuvan tutkimuksen [12] – [14]. Tämä ominaisuus tieteellinen löytö prosessi on se muistetaan jää metafora ilmaisema Isaac Newton: ”

Jos olen nähnyt hieman pidemmälle se tapahtuu seisoo jättiläisten olkapäillä

” [15]. Siksi prosessi tieteellinen löytö riippuu vuorovaikutuksesta menneisyyden ja nykyisen tutkijoita, sekä toimielinten ja tiedeyhteisön että pakotteet tulokset tietyn tutkimushankkeiden ja varmistaa myös se hyväksytään [12] – [14]. Sama prosessi sosiaalisen vuorovaikutuksen koskee kliinisissä tutkimuksissa erityisen hyvin suunniteltu RCT.

tutkimus suunnittelu on suurelta osin johtuvan osaamista ja tietoa hankittu aiemmissa tutkimuksissa. Tutkijat ovat yleensä vuorovaikutuksessa kollegojen lähiympäristössä [16] ja /tai käyttää tieteellisissä julkaisuissa ja kokouksissa [17], [18] jakaa tietoa sekä tutkimus onnistumisia ja epäonnistumisia jäsenten kesken tiedeyhteisössä. Jos testaus uusi (terapeuttinen) ideoita on tarkoitus tapahtua, tutkijoiden henkilökohtaista esityksiä on edelleen virallisesti. Esimerkiksi Yhdysvalloissa, useimmat RCT jotka eivät Teollisuuden tekemä suoritetaan alaisuudessa National Cancer Institute (NCI), jotka tukevat osuuskunta tutkimus infrastruktuuri. Kaikki ehdotukset, joilla pyritään testaamaan uusia lupaavia hoitoja seulottu ja lopulta rahoitetaan puitteissa NCI osuuskunnan ryhmät (myytyjen).

Oletamme, että sosiaalinen vuorovaikutus jäsenten välillä NCI hampaat ajaa kehitystä terapeuttisten löytö pahanlaatuinen sairauksia. Jos näin on, niin analyysi nimenomaisen vuorovaikutukset RCT pitäisi vähentyvän noin lisävalaistusta hoidosta hakuprosessissa syövän, erityisesti selittää potenssilain mallia hoidon onnistumisen. Tutkiminen RCT siten odotetaan auttaa ymmärtämään prosessia hoidon löytö sisällä koko RCT, joka voi lopulta parantaa terveystilannetta.

Methods

Dataset

käytimme datasarjan raportoitu yksityiskohtaisesti muualla [8]. Tämä tietojoukko sisältää 216451 potilaiden ja koostuu 624 faasin III satunnaistetun sponsoroi NCI hampaat tehtyjen ja julkaistujen 1955-2006 [8]. Rajoitamme analyysimme 280 ulos 624 kokeita, joissa katsotaan selviytyminen niiden ensisijainen tulos. Näissä tutkimuksissa tutkijat nimenomaisesti esitetyt parantaa selviytymistä testataan uusia terapeuttisia aineita. Nämä tutkimukset käytetään paremmuus suunnittelu, jonka tarkoituksena on käsitellä kysymystä, jos hoito on parempi kuin toinen. Ei ollut yhdenvertaisuutta tutkimuksissa, joissa onnistuminen olisi katsottava yhdeksi hoito on yhtä suuri tai huonompi kuin toinen.

hoito löytö

Yleensä hoitoa menestystä syöpä voidaan mitata by [8]: (1) arvioidaan, mikä osuus tilastollisesti merkitsevä kokeiden suositaan uusia tai vakiohoidot, (2) määritetään osuus tutkimuksissa, joissa uusia hoitoja katsotaan olevan parempia kuin tavanomaiset hoidot perustuvat tutkijoiden yleistä tuomioita, ja (3) määrällisesti syntetisointi tiedot tärkeimpien hoitotuloksia (yleinen ja tapahtuma-elinaika). Kukin näistä toimenpiteistä on etunsa ja haittansa, mutta ainakin hengenvaarallisia sairauksia, kuten syöpää, arvioimalla selviytymisen näyttää olevan keskeinen tekijä tosi onnistumisprosentti. Siksi katsomme, että paras metriikka tutkimuksen pyrkimyksiä löytää uusia, tehokkaita hoitoja on parannus potilaiden tuloksiin. Tässä työssä me valitsemme riskisuhde (HR), kuten on raportoitu kunkin RCT, koska ratkaisevaa metrinen hoidon onnistumisen. Tämä on onnistunut tutkimuksissa pidetään niitä, joilla on tilastollisesti merkitsevä riskisuhde kanssa arvo on suurempi kuin 1 (p-arvossa ≤0.05).

Social Networks

Kuten kohti hypoteesi, on olemassa suhde RCT vuorovaikutusten ja käsittely hakuprosessia. Jos näin on, niin kokeet laaja yhteisvaikutuksia odotetaan liittyvän parannuksia selviytymistä. Käytimme verkostoanalyysiä tutkia, mitä vaikutuksia näiden socials vuorovaikutusta hoidon onnistumiselle. RCT verkosto on edustettuna joukko solmuja, jokainen solmu ilmaiseva oikeudenkäyntiä, ja joukko siteitä, ja kunkin tie ilmaiseva yhteisvaikutuksesta tutkimuksissa. Koska on mahdotonta määrittää tarkasti, miten RCT kommunikoida, oletamme, että RCT vuorovaikutuksia voitaisiin muodostaa kolmella tavalla: (1) yhteisten ominaisuuksien välillä tutkimuksissa (2), joka perustuu hoidon onnistumisesta tutkimuksissa ja (3) satunnaisesti . Sitten analysoida, miten hoidon onnistumisen liittyy sen yhteyksiä kunkin verkon.

Malli 1: RCT vuorovaikutukset yhteisten ominaisuuksien.

Ensimmäinen malli oletetaan, että RCT yhteisvaikutuksia rajoittuvat tutkimusten välillä liittyvillä aloilla. Siksi vuorovaikutukset tutkimuksissa esiintyy (a) tasolla kunkin COG (joka lopulta ehdotetaan tutkimus voidaan suorittaa kesken jäsenlaitosten) (kuvio 2a), (b) sairauden tyypistä, koska hoito löytö on tyypillisesti sairaus suuntautunut prosessi (eli rintasyöpä, ruoansulatuskanavan syöpä, gynekologiset syöpä, jne.) (kuvio 2b), ja (c) hoitomuoto, joka määrittelee luokan terapeuttisia aineita (eli adjuvanttia, parantava /lopullinen, induktio, jne.) (kuvio 2c). Viime kädessä on monia tasoja tutkimuksessa vuorovaikutuksista kuten tutkijan toimielimen tutkimusosasto, rahoituksen lähde, jne. Kuitenkin kaikki nämä tyypit vuorovaikutusten lopulta suodattaa vuorovaikutuksista tasolla COG, sairauden tyypin ja hoito, jota uskovat edustavat merkittävimmät näkökohdat RCT järjestelmän.

Jokainen verkon solmu edustaa tutkimuksessa nimitystä kolmikon ilmaiseva COG se kuuluu, taudin tyypin ja hoito se tutkii. Verkot on rakennettu ottaen huomioon suhteet COG (a), sairauden tyypin (b), hoidon tyypistä (c), ja yhdessä kaikki mahdolliset yhteisvaikutukset (d). * Havainnollisuuden syistä vain rajoitettu määrä RCT näkyy.

Kun otetaan huomioon kaikki mahdolliset yhteisvaikutukset tuottaa 7 eri verkkoihin, kutsutaan yhteiset piirteet verkot muualla käsikirjoituksen. Meidän analyysi olemme jättäneet 3 verkot luotu vuorovaikutusten tasolla yhden ominaisuuksista, koska nämä verkot ovat sisällytetä yksittäisiä ryhmiä tutkimusten vastaavat jokaista yhteistyöryhmä, sairauden tyypin, tai hoito.

Malli 2: RCT vuorovaikutukset perustuu aiempiin hoidon onnistumiselle.

toinen malli theorizes että RCT vuorovaikutuksessa valikoiden kautta RCT kirjon, erityisesti, että vuorovaikutukset menestyneimmät kokeissa suositaan ( ”menestys rotujen menestys”). Meidän hypoteesi perustuu tutkijoiden taipumus vuorovaikutuksessa enimmäkseen vakiintunut ja tunnettu ikäisensä. Malli verkko muodostumiseen perustuva tällaista vuorovaikutusta on ensisijaisen kiinnityksen malli [19], [20]. Tämän mallin mukaan, solmut on yhdistetty sattumanvaraisesti suosivasta kaikkein kytketty solmuihin. Meidän ympäristössä, me väittävät, että useimmat liitettyjen solmujen edustaa menestynein tutkimuksissa, erityisesti ne, joilla

HR

1 ja

p arvo

0,05. Siksi meidän rakentaa RCT verkko olettaen, että todennäköisyys RCT sai tie on verrannollinen onnistumisen kannalta RCT kuten mitattuna riskisuhde (HR), ja tilastollinen merkitys raportoitujen osoittamalla tavalla p arvo. Me kutsumme tätä verkkoa ensisijaisen kiinnityksen verkko muualla käsikirjoituksen.

etuoikeutettu kiinnitys RCT verkko muodostuu iteratiivisesti, alkaen pieni määrä RCT. Kunkin iteroinnin, uusi RCT lisätään verkkoon, ja ennalta määrätty määrä vuorovaikutusta nykyisen tutkimuksissa on määrätty. Todennäköisyys, että olemassa oleva tutkimus,

i

, vastaanottaa tie riippuu sen menestys edellisen testaus RCT ja on ilmaistu riskisuhde (HR) ja tilastollinen merkitsevyys: (1) missä summaus on ohi kaikki solmut verkossa nykyisessä iterointia, n.

Malli 3: Random RCT vuorovaikutuksia.

kolmas ja viimeinen malli, olettaa, että kokeet ovat vuorovaikutuksessa sattumanvaraisesti. Rakennamme viisi sarjaa Erdos-Renyi [21] satunnainen verkkoja, joista kukin koostuu 280 solmut edustavat kutakin tutkimuksissa. Keskimäärin siteitä kutakin vastaa keskimäärin siteitä ensimmäisen 5 verkot (4 rakennettu pohjalta yhteisten ominaisuuksien ja 1 perusteella suosivista liite). Satunnaisen verkot sitten verrataan yhteisten ominaisuuksien ja etuuskohteluun kiinnitys verkoissa.

Verkkotopologia

Tunnistaa topologian RCT verkostoja, jotta vertailla erilaisten rakenteiden, me lasketaan kolme tärkeimmät toimenpiteet liitettävyys kunkin verkon: keskimääräinen lyhin tie välimatka kaikki tavoitettavissa verkon solmut, globaali klusterointi kerroin, ja aste jakelu. Lyhimmän polun etäisyys osoittaa, kuinka helposti verkossa on; pienet arvot ovat toivottavia tiukasti kytketty verkkoon. Maailmanlaajuinen klustereiden kerroin mittaa yleinen taipumus solmujen muodostaa klustereita, joissa yhteydet yhden solmun ovat itse kytketty toisiinsa muodostaen eri ryhmään. Aste jakauma on jakelu solmut ”yhteydet verkossa. Rakenteessa aste jakelu on erittäin tärkeä verkostoanalyysi koska se osoittaa vuorovaikutusten määrä jokaisen solmun (RCT) on. Sanasto määritellään kutakin näistä ehdoista annetaan lopussa käsikirjoituksen.

Node analysoi

Ei kaikki verkon solmut ovat yhtä tärkeitä. Perustuu niiden verkossa, jotkut solmut voivat olla vuorovaikutuksessa helpommin muiden solmut, tai ovat monia lyhyitä polkuja välillä muiden parien solmuja. Nämä kaksi ominaisuutta ovat vangiksi keskeisyyden toimenpiteiden läheisyyttä ja betweenness. Läheisyys mittaa keskimääräinen etäisyys solmu on kaikille muille verkossa – lyhyempi arvot tarkoittavat helpompaan vuorovaikutukseen kaikkien muiden. Betweenness toimenpiteet kuinka tärkeä solmu on yhdistää muihin solmuihin [22]. Muut keskeisyys toimet tärkeitä ovat viranomaisen ja napa [23]. Viranomainen on keskeisyyden toimenpide, joka osoittaa, kuinka vaikutusvaltainen solmu on verkossa, kun taas solmu pidetään napa, jos se liittyy monien viranomaisten kanssa. Laskemalla keskeisyyden toimenpiteitä RCT verkoissa voimme tunnistaa keskeisin solmut ja analysoida niiden ominaisuuksia. Viimeinen solmu tasolla toimenpide on paikallinen klusterointi kerroin. Se mittaa, missä määrin solmun yhteydet ovat itse kytketty toisiinsa. Korkeat arvot tarkoittavat solmu kuuluu tiiviin klusterin solmujen; matalia arvoja, päinvastoin.

Tulokset

Verkkotopologia

Tunnistaa topologian RCT verkkojen me laskettu keskimääräinen lyhimmän polun etäisyys, yleinen ryhmittyminen kerroin, ja aste jakauma kunkin verkkoon. Sitten verrataan näitä arvoja vastaavat arvot satunnainen verkko, jolla on sama määrä solmuja, ja keskimäärin siteitä.

Taulukossa 1 esitetään yhteenveto arvot yleinen ryhmittyminen kertoimen ja keskimääräinen lyhin tie etäisyys verkkojen tutkittu ja niiden vastaavat satunnainen verkoissa. Verkot on käsitelty undirected mutta kuitenkin rajoite ajan virtauksen (so vain kokeita suoritettiin myöhemmin ajassa voisi yhdistää tutkimuksista aiemmin aikaa). Etuuskohteluun kiinnitys verkosto sekä yhteisten ominaisuuksien verkot johti pieni keskimääräinen polku matkoja, verrattavissa etäisyydet vastaavassa satunnainen kuvaajat mutta yleinen ryhmittyminen kertoimet paljon korkeampi kuin vastaavat satunnainen verkkojen (taulukko 1).

Tällainen malli yhteyden vastaa pieni maailma verkkoihin [24]. Ominaisuudet pieni maailma verkot ovat: (a) pieni keskimääräinen lyhimmän polun etäisyydet, (b) suuri yleinen ryhmittyminen kertoimien (suurempi kuin vastaava satunnaisille), ja (c) yhteyksien jakaumat kuvata joko asteikolla vapaa, laajasti tai yksittäinen asteikko jakelu [25], [26]. Jaettua ominaisuudet verkot ovat pieni maailma verkkoja yhdellä asteikon liitettävyys jakaumat (kuvio 3a), kun taas etuoikeutettu kiinnitys verkko on pieni maailma verkon teho lain (asteikko ilmainen) jakelu muotoa (kuvio 3c). Koska on olemassa epävarmuutta liittyy muodostumista etuuskohteluun kiinnitys verkon otamme 250 simulaatiot, joista 225 on valta laki liitettävyys jakelun kanssa (

α

(

tarkoittaa

= 2,8,

varianssi

= 0,18),

x

min

(

tarkoittaa

= 26,

varianssi

= 4,5) ja

p arvo

0,1 perustuu algoritmiin esitetty [10], mikä osoittaa, että kun

p arvo

0,1, potenssilaki on uskottava hypoteesi datan). Loput 25 verkot oli

p arvo

0,1.

liitettävyys jakelua yhteisten ominaisuuksien verkon ryhmä, hoito ja sairauksien (a) on kuvattu yhdellä mittakaavassa jakeluun. Liitettävyys jakauma suosituimmuusjärjestelyihin kiinnitys verkko (c) on kuvattu, jonka voima laki jakelu (voima laki on muotoa, jossa

α

= 2,83,

x

min

= 27, ja

p-arvo

= 0,138). Lyhyyden emme sisältää yhteisten ominaisuuksien verkot tuottamat: ryhmä, hoito; ryhmä, tauti; sairaus, hoito.

Niinpä prosessi löytämään uusia hoitomuotoja syövän alle NCI sateenvarjon, jota edustaa joko yhteinen piirre verkon tai etuoikeutettu liitetiedoston verkko, sopii rakenteessa yhteys, joka voi olla luonnehtia pieni maailma verkosto, jossa kussakin kokeessa on kytketty muuhun oikeudenkäyntiin verkon kautta vain muutaman siteitä. Tämä havainto on todennäköisesti ole yllättävää, koska edellinen työ osoitti, että rakenne tieteellisen yhteistyön verkkojen usein muodoltaan pieni maailma verkkojen [27], mutta sitä ei ole koskaan tutkittu asettaminen kliinisen tutkimuksen.

hoito löytö

Oletimme, että positiivinen suhde välillä laajuutta oikeudenkäyntiä n vuorovaikutusta ja hoidon onnistumisen. Tämä tarkoittaa, että tutkimuksissa on monia vuorovaikutuksia on suurempi hoidon onnistumisen kuin tutkimuksissa muutamalla vuorovaikutusta. Tämän hypoteesin testaamiseksi, me piirretään keskiarvo riskisuhde keskuksille funktiona niiden yhteydet (astetta). Kuvio 4a esittää tulokset yhteiset piirteet verkko, kun taas kuvio 4c esittää tulokset suosituimmuusjärjestelyihin kiinnitys verkkoon. Kuviot 4b, d kuvaavat tulokset vastaavan satunnainen verkoissa. Molemmat luvut 4a ja 4c viittaavat siihen, että on mahdotonta ennustaa tietyn tutkimus menestys perustuu sen yhteyden (astetta). Lisäksi jos RCT vuorovaikutukset todella muodostetaan yhteisten ominaisuuksien, sitten, vaikka pieni maailma liitettävyys, suhde hoidon onnistumisen ja RCT vuorovaikutukset on satunnainen kanssa yleinen onnistumisprosentti hieman yli 50% [8], [11]. Siten tutkimus menestys rajoittuvat vuorovaikutusten tasolla ryhmän, hoito tai sairaus on vain hieman liittyy laajuus liitettävyys. Kuitenkin, kun oikeudenkäynti menestys (HR) on piirretty suosituimmuusjärjestelyihin kiinnitys mallin (kuvio 4c), eri kaavaa: mitä suurempi laajuus yhteydet, isompi on hoidon onnistumisen (HR) eli korkeampi ovat mahdollisuudet, että tutkijat löytää uusia pelastus- hoitoja! Vaikka tämä on hyvin kiehtova tulos, joka voidaan parhaiten selittää vinossa jakeluun nähdä kuviosta 1, voitaisiin väittää, että se on vain heijastusta rajoitukset malliamme.

Tontit (a, b, ja d) osoittavat, että ei ole suoraa suhdetta hoidon onnistumiselle ja liitettävyys. Kuitenkin suosituimmuusjärjestelyihin kiinnitys verkko (c), on olemassa kasvava trendi suhde hoidon onnistumisen {mitattuna eloonjäämisen HR (riskisuhde)} ja liitettävyys väitti, että paremmin yhteydessä tutkijat voivat löytää lisää elintärkeän hoitoja! Lyhyyden, emme ole verkkoja syntyy yhteiset piirteet: ryhmä, hoito; ryhmä, tauti; sairaus, hoito.

Vastatakseen jälkimmäinen kysymys, meidän arvioida suhteita hoidon onnistumisen ja muut keskeisyyden measures- tulokset mielestämme ei voitu selvästi ennustaa etuuskohteluun kiinnitys mallia. Olemme siis ilmaista hoidon onnistumisen funktiona läheisyyttä, betweenness, ja paikallinen klusterointi kerroin. Kuten odotettua, ei ole tunnistettavissa oleva kuvio, kun kyseessä on yhteisten ominaisuuksien verkkojen (kuva 5). Suosituimmuusjärjestelyihin liitetiedoston verkko kuitenkin on olemassa kasvava trendi välillä hoidon onnistumisen ja toimenpiteitä betweenness ja läheisyyden ja laskeva välillä hoidon onnistumisen ja paikallisten klustereiden kerroin (kuva 6). Yksi tulkinta tästä havainto on, että nämä kokeet (tutkijat) helpon tietoja (ne, joilla on korkea betweenness ja läheisyys) ovat parempia tuloksia kuin toiset, kun taas ne tutkijat, jotka ovat yleensä vuorovaikutuksessa suljetussa ryhmässä (kuten niin on korkea paikallinen klusterointi kertoimia ) ovat vähemmän alttiita hyviä ideoita /tietoa ja niin ovat vähemmän onnistuneesti [28].

ei ole tunnistettavan välillä selviytymisen HR ja eri keskeisyyden toimenpiteitä.

on kasvava trendi välillä hoidon onnistumisen ja toimenpiteitä betweenness ja läheisyys (a, b), mikä tarkoittaa, että hoito menestys ei ole vain funktio yhteydet mutta myös funktio solmun keskeisyydestä ja helppous olennaiset tiedot. On kuitenkin laskeva välillä hoidon onnistumisen ja paikallisten klustereiden kertoimen (c). Me arveltu, että solmut, joilla on korkea klusterointi kerroin ovat niitä, jotka pyrkivät vuorovaikutuksessa suljetussa ryhmässä tutkimuksissa ( ”siilot” tietojenvaihdon) ja näin ollen ovat vähiten onnistunut.

Node analyysit

tunnistaa ominaisuudet yksittäisten verkon solmujen, käytimme keskeisyyden kuvattuja toimenpiteitä menetelmät jaksossa. Taulukossa 2 on yhteenveto ominaisuudet solmujen (kokeet), jotka saavat korkeimmat keskeisyyden toimenpiteitä sekä keskimääräinen elinaika HR arvoja. Olemme kiinnostuneita tunnistamaan ominaisuuksia, jotka tekevät tutkimuksessa (t) erottuva.

On mielenkiintoista huomata, että riippumatta käytetyn lähestymistavan muodostamiseen RCT verkkojen solmut korkein keskeisyyden toimenpiteet ne, jotka tutkitaan parantava /lopullinen hoidot (taulukko 2) kiinteissä kasvaimissa. Tämä tekee intuitiivinen järkevää, koska suuret kiinteät kasvaimet (vastakohtana hematologiset maligniteetit) voidaan harvoin parantaa, ja voisi olettaa, että tutkimuksissa yritetään testata parantavaa tai useampia lopullisia hoitoja näitä tauteja houkuttelisi enemmän huomiota muut tutkijat. Vastaavasti kokeet, joiden katsottiin keskeisimpiä ovat kokeet suoritetaan ECOG (Eastern Cooperative Group) ja tutkittiin parantava /lopullinen tyypin hoitoja. Tämä ei todennäköisesti ole yllättävää, koska ECOG on suurin NCI COG ja on todennäköisesti enemmän vaikutusta kehityskaari hoidon löydöt kuin muut NCI hampaat. Samoin parantava /lopullinen hoitoja kiinteitä kasvaimia herättänyt enemmän huomiota kuin kehittyneemmät hoitoja lymfoomat ja muut hematologisia syöpäsairauksia. On syytä huomata, että nämä hoidot eivät välttämättä olla vähemmän menestyksekäs. Tehokkaita hoitoja hematologisia syöpiä löydettiin alkupuolella olemassaolon COG ja siten ei ole yllättävää, että he saivat vähemmän huomiota myöhemmissä vuosikymmenien testaus RCT suoritti eri myytyjen. Tämä on erityisen totta, koska mitään suuria läpimurtoja hallintaan näiden tautien sisällä COG-asetus on tapahtunut 1970-luvun alussa.

Keskustelu

Yksi lähtökohdissa kliinisen tutkimuksen yritys, mukaan lukien havainnot uusien onnistunut hoitoja, että parempi tieteellinen ymmärrys pitäisi kääntää paraneminen potilaiden tuloksiin, kuten parempi eloonjäämisen. Tällaiset paremmin tieteellistä varmistetaan tyypillisesti kautta laajan sosiaalisen tieteellistä verkottumista, jotka ovat riippuvaisia ​​vuorovaikutuksia ohi (esim kautta tiedon siirtoa kautta tieteellisen kirjallisuuden) ja nykyiset tutkijat.

Väitämme, että vuorovaikutukset tutkijat kliinisiä tutkimuksia vastaavat aiemmin raportoitu kuvioita terapeuttisessa löytö [8]. Eli hoidon onnistumisen syövän kuvataan teho laki jakelu, joissa useimmissa tutkimuksissa toimivat rajalla onnistumisen ja epäonnistumisen, kun taas harvat tutkimukset ovat erittäin onnistunut [8].

Modeling vuorovaikutukset tutkijoiden varsin haastava prosessi. Ehdotimme kolme erilaista lähestymistapaa. Ensinnäkin oletamme, että RCT vuorovaikutuksia rajoittuvat tutkimusten välillä liittyvillä aloilla, kuten yhteistoiminnallinen ryhmä, sairauden tyypin tai hoito (verkon ”yhteiset piirteet”). Sitten muodostimme RCT verkkojen harkitsee hoidon onnistumisen liikkeellepaneva voima vuorovaikutusta. Lopuksi, vertailun vuoksi, on oletettu, että RCT vuorovaikutuksessa sattumanvaraisesti.

Tuloksemme osoittavat, että verkot on luotu yhteisten ominaisuuksien samoin kuin luotu perustuvat hoidon onnistumisen ovat pieni maailma verkoissa. Pienet maailmat on osoitettu kuvaamaan muihin tieteellisiin yhteistyöverkostoja [27]. Tämä on kuitenkin ensimmäinen kerta, kun ne on osoitettu sovelleta verkkoihin muodostettu hoitopaikassa. Tärkeys pieni maailma havainto on, että kaikki kokeet on yhdistetty pieni määrä siteet parantaa väitettä, että hoito löytö on sosiaalinen yritys.

Lisäksi osoitamme, että jos RCT on yhdistetty sattumanvaraisesti ( luvut 4d), tai yhteistyössä ominaisuuden perusteella (kuvio 4a, 4b), tiheä vuorovaikutukset eivät näytä kääntää hoidon onnistumiselle mitattuna paranemisen syövän selviytymisen. Keskimäärin uudet hoidot ovat vain hieman parempia kuin vanhat: toteamus selittyy vastapaino hypoteesi, mikä viittaa siihen, että vaatimus epävarmuus kliinisissä tutkimuksissa on mikä ohjaa RCT järjestelmää, mutta joka myös ennustaa, että uusien hoitojen eivät ole kovin todennäköistä olla paljon tehokkaampi kuin vakiintuneiden [11], [29], [30]. Kuitenkin vastapaino hypoteesi ei selitä olemassaoloa verrattain suurempi osuus pieni määrä erittäin onnistuneita kokeita keskuudessa äskettäin kehitetty hoitoja [8].

kuva on erilainen suosituimmuusjärjestelyihin liitetiedoston verkko: jos kokeet ovat kytketty yksilöllisesti hoidon onnistumisen perusteella (kuvio 4c), sitten taas useimpien kokeiden välisen suhteen hoidon onnistumisen ja liitettävyys näyttää satunnaisia ​​ja säädellään vastapaino (kuvio 4c astetta alle 100), on olemassa muutamia kokeita, joille ei on verrannollinen suhde liitettävyyden ja onnistumisprosentti (kuvio 4c astetta yli 100). Tämä havainto yhtyy meidän aiemmin raportoitu tuloksia, jotka osoittivat, että hoidon onnistumisen syövässä jaetaan teho laki funktion suurin osa tutkimuksista toimivien rajamailla onnistumisen ja epäonnistumisen, ja pieni määrä erittäin onnistuneita kokeita [8]. Etuuskohteluun kiinnitys malli tarjoaa oleva mekanismi, joka voisi selittää tämän yleisen mallin terapeuttisen löytö.

Katsomme, että mekanismi vastuussa raportoitu malli hoidon löytö syövän liittyy sosiaalisia vuorovaikutuksia RCT koska se johtuu tutkijan taipumus vuorovaikutuksessa valikoivasti ja menestyvät ikäisensä. On syytä huomata, että sosiaalinen vuorovaikutus eivät riko vastapaino vaatimus, vaan ne täydentävät sitä. Tulokset osoittavat, että yleinen syöpä RCT järjestelmä ylläpitää vastapaino kautta arvaamattomuutta tuloksia tahansa tutkimushenkilölle, ja tarjoaa avenue tutkijat lisätä kertoimet löytää uusia onnistuneita hoitoja, jotka menevät pidemmälle 50:50 kertoimet ennustaa alkuperäisen vastapaino hypoteesi. Me siis väittävät, että sosiaalinen verkosto analysoi yhdessä eettisiä analyysejä vastapaino esitetään tässä paperissa antaa lisää ymmärrystä periaatteista, jotka ohjaavat hoitoa hakuprosessia.

Tutkimuksemme on joitakin rajoituksia. Tärkein rajoitus on, että olemme käyttäneet vuorovaikutukset RCT proxy todellinen vuorovaikutuksia COG tutkijoita.