TrialMap梯图
登录

组队推演 种子:朱朝晖

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)
前列腺恶性肿瘤 4支气管和肺恶性肿瘤 3无主诉或诊断报告的人接受的一般性检查和调查 2胰恶性肿瘤 2部位未特指的恶性肿瘤 2
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)
I期 5II–III期 5I/II期 3
申办方 (可选;点常合作者或输入全称)
烟台蓝纳成生物技术股份有限公司 5江苏施美康药业股份有限公司 3泰州启瑞医药科技有限公司 3佛山瑞迪奥医药有限公司 2北京大学 2中国科学院生物物理研究所 2
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:华北 1;未覆盖:东北、华东、华中、华南、西南、西北。城市级别:一线 1 · 新一线 0 · 其他 0。所在城市人口:≥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 2831 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兰晓莉(华中科技大学同济医学院附属协和医院)湖北 · 新一线 · 1,233万42118 / 24领域经验 · 与种子关系+选入
2孙龙华(南昌大学第一附属医院)江西 · 其他 · 626万—167106 / 137领域经验+选入
3孙晓蓉(山东第一医科大学附属肿瘤医院)山东 · 其他 · 920万21213 / 13领域经验 · 与种子关系+选入
4黄章洲(福建省肿瘤医院)福建 · 其他 · 829万—8174 / 82领域经验+选入
5宁方玲(山东医药大学附属医院)山东 · 其他 · 393万—6252 / 60领域经验+选入
6王安生(蚌埠医科大学第一附属医院)安徽 · 其他 · 330万—101 / 1领域经验+选入
7宋少莉(复旦大学附属肿瘤医院)上海 · 一线 · 2,487万41917 / 24领域经验 · 与种子关系+选入
8纪媛媛(安阳市肿瘤医院)河南 · 其他 · 548万—4115 / 17领域经验+选入
9杨润祥(云南省肿瘤医院)云南 · 其他 · 846万—17778 / 137领域经验+选入
10姬颖华(河南医药大学第一附属医院)河南 · 其他 · 625万—8672 / 105领域经验+选入
11郭伟(山西省肿瘤医院)山西 · 其他 · 530万—10255 / 70领域经验+选入
12黄思远(郑州大学第一附属医院)河南 · 新一线 · 1,260万—6446 / 48领域经验+选入
13张学德(潍坊市人民医院)山东 · 其他 · 939万—131 / 1领域经验+选入
14杨彬(湖北省肿瘤医院)湖北 · 新一线 · 1,233万—7144 / 55领域经验+选入
15程渊(北京大学第一医院)北京 · 一线 · 2,189万—239 / 9领域经验+选入
16于雁(哈尔滨医科大学附属肿瘤医院)黑龙江 · 其他 · 1,001万—258116 / 231领域经验+选入
17叶书成(济宁医学院附属医院)山东 · 其他 · 836万—409 / 12领域经验+选入
18马芳(中南大学湘雅二医院)湖南 · 新一线 · 1,005万—5621 / 27领域经验+选入
19商琰红(河北大学附属医院)河北 · 其他 · 1,146万—5719 / 30领域经验+选入
20王玉栋(河北医科大学第四医院)河北 · 其他 · 1,124万—3523 / 25领域经验+选入
21孙红梅(佳木斯市结核病医院)黑龙江 · 其他 · 216万—7637 / 62领域经验+选入
22江冠铭(东莞市人民医院)广东 · 新一线 · 1,047万—4014 / 16领域经验+选入
23蒲兴祥(湖南省肿瘤医院)湖南 · 新一线 · 1,005万—5665 / 72领域经验+选入
24张鹏(上海市肺科医院)上海 · 一线 · 2,487万—7631 / 48领域经验+选入
25林志潮(江门市中心医院)广东 · 其他 · 480万—132 / 2领域经验+选入
26邱慧兵(襄阳市中心医院)湖北 · 其他 · 526万—122 / 2领域经验+选入
27易贺庆(浙江省肿瘤医院)浙江 · 新一线 · 1,194万21315 / 15领域经验 · 与种子关系+选入
28周韶璋(广西医科大学附属肿瘤医院)广西 · 其他 · 874万—4626 / 28领域经验+选入
29李跃华(南华大学附属第一医院)湖南 · 其他 · 665万—102 / 2领域经验+选入
30郑晓彬(首都医科大学附属北京胸科医院)北京 · 一线 · 2,189万—101 / 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。