TrialMap梯图
登录

组队推演 种子:李岩

推演条件
疾病类目 (种子研究者最常做的类目, 点击增减;数字=种子在该类目的试验数)
膀胱的其他疾患 1泌尿系统的其他疾患 1前列腺恶性肿瘤 1
试验归类 (默认种子最常做的归类; 数字=种子在该归类的试验数。候选的同归类经验计入排序)
II–III期 3
申办方 (可选;点常合作者或输入全称)
江苏朗研生命科技控股有限公司 1Sinovant Sciences HK Limited 1上海仑胜医药科技有限公司 1江苏恒瑞医药股份有限公司 1
已选成员
(尚未选入,点下表「+选入」逐个添加)
地域覆盖
已选 1 人(含种子,按主机构定位)覆盖:华东 1;未覆盖:华北、东北、华中、华南、西南、西北。城市级别:一线 0 · 新一线 0 · 其他 1。所在城市人口:500–1000万 1。
候选只看:全部大区华北东北华东华中华南西南西北 (虚线框 = 已选名单尚未覆盖的大区)
规模经验
在上方填写计划样本量并"应用",给出同类试验通常用多少家机构、每中心多少例、要跑多久。
候选研究者 前 30 位 · 候选池 869 人
#研究者地区与种子共同试验所选类目试验近3年 / 全部主要依据
1徐丹枫(上海交通大学医学院附属瑞金医院)上海 · 一线 · 2,487万22320 / 42领域经验 · 与种子关系+选入
2韩雪冰(山西省肿瘤医院)山西 · 其他 · 530万—1717 / 17领域经验+选入
3王勇(天津医科大学第二医院)天津 · 新一线 · 1,387万—3418 / 27领域经验+选入
4刘谦(天津市第一中心医院)天津 · 新一线 · 1,387万—51 / 1领域经验+选入
5陈伟(温州医科大学附属第一医院)浙江 · 其他 · 957万—3035 / 39领域经验+选入
6韩邦旻(上海市第一人民医院)上海 · 一线 · 2,487万—2817 / 24领域经验+选入
7古迪(广州医科大学附属第一医院)广东 · 一线 · 1,868万—1911 / 13领域经验+选入
8毕建斌(中国医科大学附属第一医院)辽宁 · 其他 · 907万—2222 / 28领域经验+选入
9奉友刚(遂宁市中心医院)四川 · 其他 · 281万—2012 / 17领域经验+选入
10傅斌(南昌大学第一附属医院)江西 · 其他 · 626万—2942 / 55领域经验 · 与种子关系+选入
11马琪(宁波大学附属第一医院)浙江 · 新一线 · 940万—3027 / 38领域经验+选入
12陈忠(华中科技大学同济医学院附属同济医院)湖北 · 新一线 · 1,233万231 / 4领域经验 · 与种子关系+选入
13章斌(苏州大学附属第一医院)江苏 · 新一线 · 1,275万—1210 / 10领域经验+选入
14章小平(华中科技大学同济医学院附属协和医院)湖北 · 新一线 · 1,233万—4944 / 74领域经验 · 与种子关系+选入
15朱小华(华中科技大学同济医学院附属同济医院)湖北 · 新一线 · 1,233万—1614 / 15领域经验+选入
16王成勇(蚌埠医科大学第一附属医院)安徽 · 其他 · 330万—41 / 1领域经验+选入
17卓栋(皖南医学院第一附属医院)安徽 · 其他 · 364万—1815 / 19领域经验+选入
18邢岩(上海市第一人民医院)上海 · 一线 · 2,487万—64 / 4领域经验+选入
19薛力(西安交通大学第二附属医院)陕西 · 新一线 · 1,218万—73 / 3领域经验+选入
20蒋书算(湖南省肿瘤医院)湖南 · 新一线 · 1,005万—71113 / 171领域经验 · 与种子关系+选入
21黄玉华(苏州大学附属第一医院)江苏 · 新一线 · 1,275万—2114 / 23领域经验+选入
22何屹(嘉兴市第一医院)浙江 · 其他 · 540万—2012 / 19领域经验+选入
23吴吉涛(烟台毓璜顶医院)山东 · 其他 · 710万—2417 / 27领域经验+选入
24王欣璐(广州医科大学附属第一医院)广东 · 一线 · 1,868万—119 / 10领域经验+选入
25郭宏骞(南京大学医学院附属鼓楼医院)江苏 · 新一线 · 931万—9384 / 191领域经验 · 与种子关系+选入
26陈晓峰(郴州市第一人民医院)湖南 · 其他 · 467万—1211 / 12领域经验+选入
27梁国标(遵义医科大学附属医院)贵州 · 其他 · 661万—41 / 1领域经验+选入
28张雪培(郑州大学第一附属医院)河南 · 新一线 · 1,260万—2619 / 32领域经验+选入
29张树栋(北京大学第三医院)北京 · 一线 · 2,189万—1526 / 31领域经验+选入
30李昕(山东大学齐鲁医院)山东 · 其他 · 920万—31 / 1领域经验+选入

排序 = 逻辑回归模型分:用 2024 年登记试验 学习"组长PI 之外的成员是谁",特征只取试验公示前的历史——与种子的共同试验数与 近期合作强度、与种子合作者的二跳关系、 所选疾病类目/所在章/同归类的试验经验、申办方经验、近 3 年与全部试验数。在 2025–26 年 2,727 项试验上回测:真实成员落在前 k 名(k=真实人数)的比例 16.3%,只按与种子合作 强度排序为 12.4%。按目标试验归类:I 期、I/II 期 13.0%(基线 10.6%),II 期及以后 18.3% (13.4%);按归类分别训练模型没有更好,故全归类共用一个模型、以"同归类试验数"入模。

地域(全库实测):大区覆盖主要取决于中心数—— 20–39 家中心的试验平均覆盖 6.4 个大区、一半覆盖全部七个,40 家以上 88% 覆盖全部;与按 各中心活跃度随机选点相比并不更分散;最常缺的是西北(≥10 家中心的试验 64% 纳入)、东北 (79%)。一线城市机构占比已从 2015 年 31% 降到 2024 年以来 16%。控制归类、疾病、规模、 年份、国际多中心与外资申办后,一线城市机构占比每高 10 个百分点,单中心月入组约低 5%、 完成耗时约长 4%(跨试验关联,非因果;是否达成目标例数几乎无差别)。按 2020 年七普 城市常住人口衡量更清楚:机构所在城市人口(几何均值)每翻一倍,单中心月入组约慢 25%、 完成耗时约长 22%;与城市级别同时入模型时人口仍显著、级别不再显著。机构同期在研 试验总数与城市人口几乎无关(相关 0.06),加入模型后人口效应基本不变——"试验扎堆、 受试者被分流"解释不了大城市入组慢,原因在登记数据看不到的方面(就医选择、患者 意愿、机构病人构成等)。机构内同类疾病的在研试验只在非热门类目里有可测的拖慢 (热门类目与慢性病里测不出)。

用途是缩小范围、给出依据,不是替代判断: 约 12% 的实际成员此前没有任何登记(新人),任何基于历史的方法都预测不到;地域在 控制以上因素后对排序没有额外作用,故不入模型、只列出供参考。