药物临床试验中受试者依从性预测的机器学习模型——基于电子日志与可穿戴设备数据 .docx

PAGE2

药物临床试验中受试者依从性预测的机器学习模型——基于电子日志与可穿戴设备数据

摘要

药物临床试验是创新药研发的关键环节，而受试者依从性不足导致的脱落问题，长期困扰着试验质量与统计效能。传统依从性管理依赖研究者经验判断与定期访视，难以实现早期预警与精准干预。

本研究聚焦于构建一种基于多源行为数据的受试者依从性预测模型，以解决“如何在试验早期识别高脱落风险受试者”这一核心问题。全文遵循“问题解析—机制阐释—模型建构”的递进逻辑展开。第一章绪论明确了研究背景与方法论依据；第二章系统梳理了依从性研究与机器学习应用的文献脉络；第三章界定了依从性、脱落风险等核心概念，并阐释了健康信念模型