<acronym id="pokdi"><strong id="pokdi"></strong></acronym>
      <acronym id="pokdi"><label id="pokdi"><xmp id="pokdi"></xmp></label></acronym>

      <td id="pokdi"><ruby id="pokdi"></ruby></td>
      <td id="pokdi"><option id="pokdi"></option></td>
      <td id="pokdi"></td>

        1. 教育裝備采購網
          第三屆體育論壇1180*60
          教育裝備展示廳
          www.dongsenyule.com
          教育裝備采購網首頁 > 產品庫 > 產品分類大全 > 信息化校園 > 軟件及平臺系統 > 科學軟件

          nQuery | 經典、貝葉斯和自適應試驗設計平臺

          nQuery | 經典、貝葉斯和自適應試驗設計平臺
          <
          • nQuery | 經典、貝葉斯和自適應試驗設計平臺
          >
          產品報價: 10000
          留言咨詢
          加載中
          nQuery
          經典、貝葉斯和自適應試驗設計平臺
          高教 職教
          北京
          詳細說明

          溫馨提示:需求數量不同,價格不同。請聯系我們,確認當前新的報價!

          nQuery 是一個試驗設計平臺,可讓臨床試驗更快、成本更低、更成功。除試驗預測外,nQuery 是上值得信賴的經典、貝葉斯、自適應試驗設計平臺。它可通過分層許可系統獲得。

          nQuery不同的版本:Base、Plus、Pro、Expert

          功能簡介:

          頻率試驗和定期試驗 

          獲得監管批準

          • 一致地為 FDA/EMA 提交計算適當的樣本量

          • 經驗證的樣本量表和程序

          • 樣本量聲明生成器

          • 安裝和操作認證 (IQ/OQ) 

          樣本量選項

          快速計算多種場景的樣本量

          • 使您的樣本量與科學和預算要求保持一致

          • 使用指定多因子工具微調計算

          • 1000+ 樣本量和功效計算程序

          • 更多樣本量計算器選項

          關鍵事件預測

          準確預測您的關鍵試驗里程碑

          • 找出障礙并采取行動使您的審判如期進行

          • 使用您的試驗數據預測關鍵行動何時發生

          • 盲法和非盲法數據的預測

          適應性試驗

          根據研究數據調整樣本量

          • 設計信息豐富且符合倫理的臨床試驗

          • 包括中期分析和樣本量重新估計

          • 財政資源

          貝葉斯分析

          整合先前的信息、真實數據和專家意見

          • 貝葉斯保證——成功的真實概率

          • 向非統計學家傳達復雜的調查結果

          • 識別研究設計的威脅和機會

          適應性試驗的樣本量信息豐富且符合倫理的試驗

          • 降低試用成本

          使用像組順序設計這樣的自適應設計來促進早期的臨時決策。促進對試驗做出符合倫理和有效的結論

          • 更快進入市場

          避免過低或過強的試驗。使用樣本量重新估計來探索預審假設并根據您的中期結果調整樣本量。

          • 繪圖功率與樣本量 

          使用繪圖工具探索和比較您的自適應試驗設計。然后輕松與試驗利益相關者分享您的結論。

          • 準確預測關鍵試驗里程碑

          試用期何時結束?

          nQuery predict 使用建模和模擬來準確預測您的學習持續時間。試驗里程碑(如應計和事件)建模時間表

          • 事件是否按預期發生?

          事件預測是涉及生存分析的大型試驗的核心。nQuery Predict 提供了基于盲法和非盲法設計來預測未來事件的工具

          • 招收了足夠多的患者嗎? 

          患者登記或試驗事件的延遲會產生額外的成本。使用 nQuery Predict,您可以通過在計劃階段和臨時監控檢查預測來確保好的性能

            使用貝葉斯分析的樣本量

          • 成功的真實概率

          使用 nQuery 中的貝葉斯模塊計算貝葉斯保證。

          更全面地了解您的樣本量估計和試驗設計。

          • 整合先前的數據

          使用樣本量方法中的現有數據進行貝葉斯分析,例如可信區間。 

          • 繪制貝葉斯模型

          使用繪圖工具探索和比較您的貝葉斯分析。然后輕松地與試驗利益相關者分享您的結論。

          1000 多個經過驗證的程序


          【英文介紹】

          The world's most trusted platform for Classical, Bayesian & Adaptive trial designs

          • Frequentist and fixed-term trials

          • Sample size for adaptive trials

          • Accurately predict key trial milestones

          • Sample size using Bayesian analysis

          • 1000+ validated procedures

          The complete trial design platform to make clinical trials faster, less costly & more successful See why nQuery is the #1 choice for researchers and Biostatisticians worldwide who need to tackle increasing trial complexity, spiraling costs and changing regulations.

          Regulatory Approval

          Calculate sample size for FDA/EMA submission

          Adaptive Trials

          Sample size for sophisticated adaptive clinical trials

          Enrollment Prediction

          Simulate how long it will take to recruit patients

          Sample Size Tools

          Rapidly calculate sample size for a multitude of scenarios

          Bayesian Statistics

          Sample size using Bayesian analysis

          Events Prediction

          Provide realistic estimates of expected timings and costs

          Easy & Intuitive To Use

          Fast spreadsheet-style interface with no coding required

          Classical Statistics

          Solutions for Frequentist and Fixed-term trials

          Visualize Success

          Easy to use reporting for all trial stakeholders

          留言咨詢
          姓名
          電話
          單位
          信箱
          留言內容
          提交留言
          聯系我時,請說明是在教育裝備采購網上看到的,謝謝!
          同類產品推薦
          99久久国产自偷自偷免费一区|91久久精品无码一区|国语自产精品视频在线区|伊人久久大香线蕉av综合

            <acronym id="pokdi"><strong id="pokdi"></strong></acronym>
              <acronym id="pokdi"><label id="pokdi"><xmp id="pokdi"></xmp></label></acronym>

              <td id="pokdi"><ruby id="pokdi"></ruby></td>
              <td id="pokdi"><option id="pokdi"></option></td>
              <td id="pokdi"></td>