抽象背景假定自适应设计特征在全球临床试验生态系统中的应用。但是,在疫苗的临床研究中,自适应平台试验(APT)方法尚未被广泛采用。方法,该联盟组织了为期两天的研讨会,讨论了Apt Methodol Ogy在非大流行和大流行条件下的疫苗试验中的适用性。在本文中总结了讨论的核心方面。结果“不断变化”的公寓似乎非常适合提高疫苗研究的效率和速度。基于累积的APT试验数据的持续学习允许在课程过程中进行预先计划的适应。鉴于相对设计的复杂性,在APT的所有阶段,所有利益相关者的一致性都是核心。疫苗试验建模在大流行紧急情况下至关重要。可能是可能的推论范式(常见主义者,可能性或贝叶斯人)。大规模间隔中的重点可能放在行业试验留下的研究差距上。用于在紧急情况下激活,模板疾病X综合症设计的病原体方案,但需要定期储存和更新未知。疫苗APT的治理应完全整合到超国家大流行反应机制中。讨论可以在疫苗的平台试验中应用广泛的自适应特征。更快的知识生成速度会增加试验设计的复杂性。设计复杂性不应排除在试用站点的简单执行。不断生成的证据代表了一种投资回报,该投资回报将获得社会对可持续资金的支持。自适应设计功能自然会进入疫苗的平台试验中。
主要关键词