條文本
PDF
摘要
客觀的描述個體患者對個性化試驗的偏好，並確定與患者偏好相關的因素和條件。
設計通過在線調查，每位參與者都要回答18個聯合問題。每個問題提供了兩個個性化試驗的選擇，由多達8個屬性定義，包括治療類型、臨床醫生參與、研究後勤和患者的試驗負擔。
設置在線調查了美國至少有兩種常見慢性病的成年人。
參與者哈裏斯在線民意調查從慢性疾病小組中招募了501名具有全國代表性的樣本。參與者從幾個來源招募，包括電子郵件、社交媒體和目標人群的電話招募。
主要指標參與者在每個聯合問題上選擇的個性化試驗設計。
結果參與者對個性化試驗設計的偏好存在很大差異。一般來說，他們更喜歡某些特質，比如時間短、沒有成本。值得注意的是，人群水平的分析正確預測了62%的聯合反應。對聯合數據的經驗貝葉斯分析支持對個人偏好的估計，將準確度提高到86%。基於個體偏好的估計，慢性疼痛患者傾向於較長的研究持續時間(p≤0.001)。在數據收集頻率方麵，哮喘患者對參與負擔的厭惡程度低於其他疾病患者(p=0.002)。高血壓患者對成本更敏感(p<0.001)。
結論這些分析為在實施以患者為中心的新型幹預時闡明個人層麵的偏好提供了一個框架。數據顯示，患者在個性化試驗中的偏好是高度可變的，這表明在營銷個性化試驗時必須考慮到個體差異。這些結果表明，嚴格的科學原則(如頻繁監測)在很大一部分患者中是可行的，這對推進個性化試驗中的精確幹預具有意義。
- 補充醫學
- 全科醫學(見內科)
- 保健質量
- 風濕病學
- 疼痛管理
這是一篇開放獲取的文章，根據創作共用署名非商業(CC BY-NC 4.0)許可證發布，該許可證允許其他人以非商業方式分發、混音、改編、在此基礎上進行構建，並以不同的條款許可其衍生作品，前提是正確引用原始作品，給予適當的榮譽，任何更改都已注明，並且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
數據來自Altmetric.com
本研究的優勢和局限性
這項大型在線聯合調查利用了哈裏斯在線民意調查的一個嚴格組裝的小組。
我們在美國調查了具有全國代表性的年齡、性別、種族/民族、社會經濟地位和地理位置的樣本。
個體層麵的分析利用了經驗貝葉斯過程，該過程從個體中借用信息。
聯合分析中的效用在調查中包含的屬性之間是相對解釋的，不能在任何絕對意義上解釋。
我們的發現的普遍性可能僅限於研究中預定義的兩種或兩種以上慢性疾病的患者。
介紹
在管理慢性疾病和病症時，患者通常會在一段時間內嚐試不同的治療方法，然後才找到適合他們的“正確”治療方法。個性化試驗，也稱為N-of-1試驗，旨在促進這種以患者為中心的實驗。與傳統的隨機臨床試驗(每個參與者隨機接受一次單一治療)不同，個性化試驗采用臨床試驗原則，如致盲和確定生態結果，在多個交叉時期對患者進行隨機治療。1 2這些方法特別適用於確定慢性疾病的長期治療方法，這些疾病的治療效果在患者之間是不一致的，因此需要個性化治療。3.在一係列的示範試驗中，個性化試驗導致了治療的有價值的改變，停止治療或確認原來的治療。4 - 8由於其實用主義的性質，個性化試驗的實踐可以為個別患者提供有關其治療選擇的最佳證據。因此，一些人將個性化試驗置於循證醫學方法學層次的頂端，用於告知治療決策。4最近，人們對針對各種情況使用個性化試驗重新產生了興趣，9 - 12然而，他們的臨床實踐仍然分散，部分原因是患者接受度和需求不足。13 - 15
為了增加個性化試驗在臨床實踐中的應用，我們開發了一個“合作實驗室”，包括與個性化試驗的設計和實施相關的各種利益相關者(包括患者)。16在合作實驗室的指導下，我們對居住在美國的慢性疾病成年人的代表性樣本進行了在線聯合調查。在初步分析中，確定了患者對個性化試驗設計的偏好，我們確定了個性化試驗的顯著積極效用，它不會對患者產生自付費用，而且對於那些需要短時間進行日常自我跟蹤的患者。17這些發現普遍反映出，一般患者更喜歡在成本和時間負擔方麵負擔較小的個性化試驗。它們還提供了關於總體水平上設計可接受性的有用信息。然而，到什麼程度個體層麵的個人偏好推動個性化試驗的可接受性仍是未知的。
聯合調查是市場研究和經濟學中評估產品可接受性的一種行之有效的方法，最近還用於在人口層麵評估患者的醫療保健偏好。在18到22歲最近對精準醫療的興趣增加了對闡明人群和個人層麵上患者偏好的關注。雖然人群中治療效果的異質性激勵了個性化試驗，但個性化試驗的個體屬性偏好的異質性可能對解釋這種方法的可接受性和改善傳播至關重要。在本文中，我們使用完整的聯合數據來評估個體層麵的個性化試驗設計的偏好，並根據患者的偏好確定患者亞群。
方法
調查發展
我們設計了一項在線調查研究，通過個性化試驗合作實驗室吸引利益相關者。該合作實驗室由30名成員組成，包括患有多種合並症的患者、有或沒有進行N-of-1試驗經驗的臨床醫生、醫療管理人員、科學家、方法學家/統計學家、倫理學家和傳播專家。在2014年7月至2017年9月期間，合作實驗室每季度召開一次會議，審查研究設計、實施、分析和傳播/可解釋性。合作會議以電話和麵對麵的方式進行，會議的安排是為了最大限度地滿足所有參與者的需要。這種方法促進了一個透明的過程，並有助於提高研究問題的相關性。為了便於調查的開展，我們首先對提供者(n=24)和患者(n=54)進行了焦點小組調查，以了解對個性化試驗和設計特征的態度。23日24然後，我們進行了初步調查和文獻回顧，以確定可由患者偏好告知的關鍵設計屬性(例如，盲法、自我跟蹤的強度、臨床醫生參與的程度)。
作為第二項調查的一部分，每個參與者回答了18個基於選擇的聯合問題，這些問題模擬了個性化試驗的選擇。每個問題都促使參與者在兩個具有多達八個設計屬性的假設試驗原型中選擇他們更喜歡的原型(表1)．在18個聯合問題中，15個使用了簡短的格式，參與者在兩個假設的試驗中進行選擇，這些試驗僅在兩個屬性上有所不同(例如，無成本和長時間試驗vs .有成本和短時間試驗)(圖1)．其餘三個聯合問題采用長格式，參與者在兩個假設的試驗中進行選擇，這兩個試驗在所有八個屬性上都不同(圖2)．我們在之前的工作中測試了屬性之間的相互作用，隻考慮了來自三個長格式問題的數據，我們沒有發現任何證據。17在目前的分析中，我們感興趣的是識別個體層麵的偏好方麵，我們使用了每個人所有18個問題的數據。我們使用Sawtooth基於選擇的聯合軟件(Sawtooth, 2010)開發了一種統計上有效的設計，生成了60個聯合問題(45個短問題和15個長問題)。對於簡短的問題，每個屬性至少與同一問題中的其他屬性一起出現一次，以便進行直接對比。生成長格式問題的方法與之前報道的類似。17每個參與者被隨機分配了18個聯合問題，其中15個來自45個短問題，3個來自15個長問題。除了聯合問題外，我們還收集了調查參與者的人口統計數據和慢性疾病診斷數據。本研究所使用的調查資料載於在線補充文件1．
在線調查中向參與者展示的簡短問題示例。這張截圖顯示了兩個假設試驗(選項A和選項B)中的兩個屬性(研究持續時間和成本)。
在線調查中向參與者展示的長格式問題的示例。這張截圖在兩個假設的試驗(選項A和選項B)中分別展示了八個屬性。
患者公眾參與
通過合作實驗室和焦點小組，54名患者參與了最初調查的開發。這個過程幫助我們在聯合調查中定義參數。
研究參與者
我們對501名參與者進行了調查，他們至少18歲，居住在美國，並報告患有六種疾病(哮喘、骨質疏鬆症、抑鬱症、糖尿病、高血壓和高脂血症)中的兩種或兩種以上慢性疾病。這一合格的疾病清單反映了美國最普遍和最負擔的症狀、無症狀和精神健康狀況的混合。beplay体育相关新闻25日26日參與者的招募是通過哈裏斯在線民意調查(HPOL)維護的一般人口小組完成的，其中包括數百萬在線成員。HPOL小組是從幾個來源招募的，包括在線合作夥伴發送的目標電子郵件、社交媒體、新聞和對目標人群的電話招募。每個招聘源都經過嚴格的麵試和測試過程仔細審查，然後持續監測響應質量。在本研究中，HPOL數據庫的受訪者信息與眾多人口統計學和心理學變量一起被積極篩選和更新，以確保在線樣本的準確性。這些抽樣程序已被廣泛使用，並支持嚴格的、科學上可接受的實踐，而無需花費大量的時間和精力來收集大型、全麵的樣本。27為了達到目標樣本量，並獲得至少兩種慢性疾病的代表性樣本，28我們通過電子郵件篩選並邀請了15883名潛在符合條件的HPOL個人參與研究。關於樣本量測定和參與者納入的細節之前已經報道過。17所有參與者通過電子簽名提供知情同意。隻有那些至少對高血壓、高脂血症、糖尿病、抑鬱症、關節炎/關節痛、呼吸問題/支氣管炎/哮喘、背痛或睡眠問題/失眠的個性化試驗感興趣的參與者完成了調查。在我們之前的研究中，這些患者狀況是排名最高的、患者首選的狀況，被認為適合進行個性化試驗。隊列選擇和參與者特征在以前的報告中描述過。17
統計分析
估計個人層麵的效用和偏好
使用參與者所有聯合反應的經驗貝葉斯潛在效用模型估計個體患者對個性化試驗不同屬性的偏好。該模型的詳細信息載於在線補充文件2．簡要地說，在此模型下，試驗原型的潛在效用j對參與者來說我(表示為
)被假定遵循一個邏輯分布，其中均值依賴於試驗屬性的線性組合。具體來說,有
,在那裏
是標準邏輯錯誤和設計
表示原型中屬性的存在/不存在j展示給參與者。的係數
抓住了個體層麵的效用的參與者我並采用後驗模式進行估計，假設正態先驗均值為零
．通過使用邊際似然對矩陣進行經驗估計，我們規避了先驗方差-協方差矩陣假設的主觀性。29對於每個屬性，如果估計的個人效用分別為正或負，則參與者被指示具有積極或消極的偏好。個人層麵效用估計的可靠性取決於每個參與者回答的問題數量。因此，我們將回答18個問題中的16個或更少的人排除在分析之外。
此外，我們在人口水平上為所有聯合反應擬合了潛在效用模型。該模型假定與總體平均值和集無個體偏差
所有參與者。在這個種群模型下，估計每個個體對某一特定屬性都有相同的偏好。
通過比較個性化和人口水平模型中正確回答的分類率，評估了考慮個人偏好的好處。設計屬性之間的相關性以圖形方式進行探索，並使用基於個性化模型估計的個人層麵效用的皮爾遜相關係數。
樣本分割
我們記錄了每個參與者的以下基線特征，並將其總結為分類變量:年齡(65歲以下vs 65歲或以上)、性別(男性vs女性)、種族/民族(非西班牙裔白人vs其他)、收入(低於35000美元vs 35,000美元或以上)、教育程度(受過大學教育或以上vs低於大學)、工作狀況(全職/兼職vs未就業)、保險狀況(有保險vs無保險)和居住地區(東北部vs南部vs中西部vs西部)。使用列聯表總結了這些特征與個人偏好之間的關聯，並使用χ進行了檢驗2測試;報告雙麵p值。作為探索性分析，我們還利用巴特利特檢驗比較了這些特征在個人層麵上的效用變異性，並以圖表形式顯示了效用分布。
在分析中，我們還考慮了以下慢性疾病:關節疼痛、哮喘、背痛、抑鬱症、糖尿病、高血壓、高脂血症和失眠。我們詢問參與者是否患有某種特定疾病;那些患有這種疾病的人被要求表明他們對參加個性化試驗的興趣。慢性疾病與個人偏好之間的關係也以上述相同的方式進行分析。
結果
全民事業
在501名調查參與者中，大多數人(n=497)回答了所有18個聯合問題，3人回答了17個問題(14個短格式，3個長格式)。一位回答了所有15個短問題但沒有回答長問題的參與者被排除在分析之外。因此，我們估計了500名參與者的公用事業，共有8997個聯合回複(1500個長格式和7497個短格式)來自通過HPOL招募的參與者。表2描述了參與者的特征，並給出了慢性疾病的分布。
表3根據種群水平模型，給出試驗設計屬性的估計效用，以及95% ci。僅使用長格式問題的分析發現，在總體水平上，參與者偏好兩個具有統計學意義的屬性:需要短(5分鍾)的時間投入(效用差異=0.16;P =0.015)、無成本(效用差=1.52;p < 0.001)。使用所有聯合問題的分析更精確地證實了這兩個屬性的發現。研究還顯示，與處方藥物相比，參與者更喜歡補充替代藥物(CAM)(效用差=0.15;P =0.001)，這比生活方式的改變更受歡迎(效用差異=0.14;P =0.002)，以及在研究期間有臨床醫生參與(vs無臨床醫生參與)(效用差異=0.17;p < 0.001)。我們還發現，低頻率的數據收集具有正效用(效用差=0.34; p<0.001) and blinding had a negative utility (utility difference=−0.34; p<0.001).
總而言之，人口水平的分析顯示，參與者傾向於以無盲方式進行CAM實驗和臨床醫生監督的個性化試驗。在時間承諾和數據收集頻率方麵，他們也更喜歡低水平的負擔，以及沒有自付費用。在所有8997個聯合響應中，使用這種類型化協議的預測準確率為62%，而隨機猜測一個響應的準確率為50%。
個體層麵的公用事業
一些參與者的偏好偏離了上麵顯示的總體結果。12% (n=59)的參與者傾向於自付費用，18% (n=91)的參與者傾向於長時間的日常投入，16% (n=78)的參與者傾向於頻繁的數據收集計劃(表4)．研究對象的平均偏好傾向於在試驗期間不采用盲法，盡管在較小程度上(30%的人傾向於采用盲法)。對其他設計屬性的偏好(如研究持續時間)分布相對均勻，表明參與者之間的偏好存在異質性。
圖3演示了根據個性化模型在設計屬性的數值個人級實用程序中的變化。例如，雖然大多數參與者對無成本有強烈的積極偏好(即，擁有正效用vs 100美元成本)，但有些人對無成本有很大的負效用。同樣地，當整個群體對盲視的效用為負時，一些個體對盲視的效用為正。
不同屬性的個人級實用程序的分布。垂直的紅線表示隊列中的平均效用。CAM，補充替代醫學。
使用這些基於個性化模型的估計的個人水平效用來預測聯合調查中的響應，將在所有8997個響應中產生86%的正確預測。這一結果比人口水平的分析顯著增加了24個百分點。
臨床醫生參與研究的效用與臨床醫生在計劃研究時選擇治療方法之間存在很強的相關性(相關性=0.96;p < 0.001;圖4一)．與參與負擔相關的屬性是相關的:對於較短的每日時間承諾具有較高效用的參與者，對於較少的每日數據收集具有較高效用(相關性=0.87;p < 0.001;圖4 b)，研究時間短(相關性=0.20;p < 0.001;圖4 c)和不支付自付費用(相關性=0.69;p < 0.001;圖4 d)．與生活方式改變相比，對藥物和CAM的偏好在統計學上與對盲化的偏好相關:與盲化的效用相比，藥物的效用為0.28 (p<0.001)，與CAM的效用相比，生活方式改變的相關性為0.36 (p<0.001)。
某些屬性的個人層次效用的相關性。
個人偏好和人口統計學之間的聯係
在男性參與者中，約60%的人傾向於由臨床醫生選擇治療方案(在線補充表S1在在線補充文件3)及參與進行試驗(聯機補充表S2)，而估計有53%的人更喜歡服用處方藥物(聯機補充表S3)．女性參與者對這些屬性的偏好分布相對均勻。
與非西班牙裔白人相比，非西班牙裔白人以外的種族/民族群體對參與負擔(即時間承諾、數據收集頻率、研究持續時間和自付費用)的厭惡程度較低(聯機補充表S4-S7)，盡管所有學生都希望負擔更輕。
總體而言，65歲以下的參與者對參與負擔的厭惡程度低於年齡較大的群體(研究時間除外)。此外，年輕參與者在數據收集頻率的效用方麵表現出更大的可變性(方差比=1.32;p = 0.040;圖5一個)和成本(方差比=1.48;P =0.004)，導致一些外圍值傾向於高負擔(圖5 b)．
按年齡、就業狀況和收入劃分的數據收集頻率(上)和自付費用(下)的個人層麵效用分布。
有工作的參與者對成本的反感程度較低(在線補充表S7)和高頻率的數據收集(在線補充表S5)而不是失業的人。他們對這些屬性的偏好也表現出更大的異質性，方差比為2.07 (p<0.001;圖5 c)和1.66 (p<0.001;圖5 d),分別。高收入的參與者比低收入的參與者更願意承擔一些自付費用(在線補充表S7)，對高數據采集頻率的偏好異質性較大(方差比=1.45;p = 0.005;圖5 e)和自付費用(方差比=1.72;p < 0.001;圖5 f)．
教育程度與治療類型相關:接受過大學教育或更喜歡處方藥的參與者，而其他人更喜歡CAM (聯機補充表S3)．
保險狀況和居住地區與設計屬性的任何偏好無關。對致盲的偏好與任何人口統計數據之間沒有發現關聯，這表明致盲在人口統計頻譜中始終是不受歡迎的(在線補充表S8)．
個人偏好與慢性疾病之間的聯係
糖尿病患者(以及在較小程度上患有高脂血症的患者)更喜歡臨床醫生參與(網上補充表S9和S10)．此外，與其他組相比，對個性化試驗感興趣的糖尿病患者更傾向於使用藥物(在線補充表S11)．
哮喘患者不希望有臨床醫生參與(在線補充表S10)．就日常時間投入而言，他們對參與負擔的反感程度較低(在線補充表S12)和數據收集頻率(在線補充表S13)，但研究時間並無差異(在線補充表S14)．與其他患者相比，更大比例的哮喘患者傾向於自付費用(在線補充表S15)．特別是，患有高血壓的參與者比患有其他疾病的參與者對成本更敏感(在線補充表S15)．
有關節痛或背痛且有興趣參加個性化試驗的參與者更傾向於較長的研究持續時間(在線補充表S14)，但與沒有確診的人相比，他們也更不願意承擔費用(在線補充表S15)．
患者的情況與致盲無關(在線補充表S16)．
討論
在這篇文章中，我們分析了一項聯合調查，對生活在美國的患有多種慢性疾病的患者的代表性樣本進行了調查，旨在了解個性化試驗中設計屬性偏好的可變性。使用經驗貝葉斯估計，我們評估了隊列中設計屬性的個人水平效用。我們發現，在人群水平模型中，個性化模型將改善對參與個性化試驗的反應的預測。
調查結果比較
我們的分析對個體偏好的異質性提供了重要的見解，並表明需要對個性化試驗的設計特征進行個性化，包括被認為或被認為是不可取的屬性。例如，雖然基於人口水平的分析，關注最小的時間投入和成本可能是最佳的營銷方法，但我們在隊列中確定了一小部分不太反感自付成本(如高收入、哮喘)和長時間每日投入(如年輕人)的人群。對於學習時間等具有顯著異質性的屬性，其對實踐的影響甚至更大。由於一半的隊列患者偏好較短的研究持續時間，另一半患者偏好較長的研究持續時間，因此根據患者的偏好來營銷研究持續時間可能是有益的。我們的研究結果也為疼痛研究提供了試驗依據，即長期研究試驗在慢性關節痛或背痛患者中是普遍可接受的，甚至是首選的。總的來說，我們的研究結果表明，對於那些具有顯著異質性的屬性，最好的方法可能是允許患者設計自己的試驗(例如，圍繞治療方案，臨床醫生的參與水平)，以最大限度地提高個性化試驗的可接受性和接受度。
我們還證實了之前的描述性分析，並表明在患者中平均時，自付費用和較長的每日時間承諾是參與個性化試驗的兩個主要障礙。通過使用完整的聯合數據(短問題和長問題，而不僅僅是長問題)，我們還發現了其他不受歡迎的屬性。例如，在人群水平上，盲法對參與個性化試驗的興趣產生了負麵影響(表3)．我們的結果與研究結果一致，這些研究表明，盲法是患者參與臨床試驗決策的一個強大的負麵驅動因素。30 31另一方麵，我們對個人偏好的分析表明，幾乎30%的參與者實際上更喜歡將盲化作為設計特征(表4)．這一趨勢在人口統計和慢性疾病方麵相當強勁(聯機補充表S8和S16)．因此，我們的研究結果表明，提供者和研究人員可能希望設計試驗，其中盲法是可選的，以達到最大的患者數量。對於涉及生活方式改變的試驗尤其如此，因為盲法可能一開始就不可行。應該通過測量和研究潛在的作用機製(如自我效能)來進一步審查這些環境下的科學有效性。另一方麵，有趣的是，偏好藥物或CAM的參與者不太反對盲法。因此，在選擇測試藥物和CAM的患者中，盲法可能仍然是一個可行的選擇。
臨床意義
個性化試驗旨在幫助患者及其臨床醫生根據高度完整的循證信息做出醫療保健決策，這些信息與患者首選的結果和價值觀獨特相關。然而，在過去，患者並不願意參與這些試驗。因此，這種強大的方法幾乎從未被使用過。《個性化試驗》係列僅出版了108本，15與其他研究方法相比明顯缺乏。實施個性化試驗的主要障礙包括缺乏對患者認為有益的條件、治療方法和結果的了解;缺乏已被廣泛認可的設計特征，以及考慮參與個性化試驗的患者可以接受的設計特征，以及對患者對結果評估和負擔的耐受性了解不足。23日32
我們的研究結果通過提供與這些試驗的接受程度相關的條件和特征的信息來支持個性化試驗的實施，特別是在與技術的使用相結合時。他們還提出了在特定人群中提高吸收率的有用策略。例如，我們發現哮喘患者在一天中更樂於接受更頻繁的數據收集，智能手機和移動技術可能會最好地促進這一點，這些技術可以自動化日常收集，減輕結果評估的負擔。到三十五
優勢，局限性和未來研究
我們的調查利用了嚴格的哈裏斯在線民意調查(Harris Poll Online)收集和維護的小組，並在美國年齡、性別、種族/民族、社會經濟地位和居住地區的代表群體中進行。聯合調查中的18個問題在除4名參與者外的所有參與者中都得到了完全回答，在評估個人層麵對8個設計屬性的偏好時提供了可靠性，並產生了超越我們之前的報告的新見解，該報告側重於人群水平的設計可接受性。此外，經驗貝葉斯過程便於跨個體借用信息，並在估計個體效用時產生穩定的計算結果。某些屬性和人口變量的效用之間的相關性表現出高水平的內部一致性。
盡管在調查設計和實施方麵有優勢，但這項研究有一些局限性。首先，我們研究結果的普遍性可能受到資格標準的限製，該標準僅包括患有兩種或兩種以上預定義慢性疾病的參與者。此外，由於采用在線調查方法，我們的樣本包括能夠上網的人以及能夠自我報告病情症狀的人。然而，當我們使用一個涉及焦點小組和全國調查的仔細過程來創建慢性疾病清單時，這些疾病捕獲了美國最常見和最繁重的症狀和無症狀疾病。此外，隊列抽樣以實現美國代表性的人口、地理和社會經濟多樣性。
其次，個體水平的分析作為探索性分析來描述人群的異質性。因此，聯合問題的數量以及調查樣本量並沒有預先確定，以確保分析的足夠精度。具體來說，樣本量不足以評估慢性病對偏好差異的相互作用。例如，隻有28名患有哮喘和高血壓的參與者表示他們對參加哮喘個性化試驗和高血壓個性化試驗非常感興趣。然而，我們的研究數據可能表明更普遍的共病組合需要進一步調查。第三，調查中考慮的屬性和屬性級別不是特定於疾病的。因此，有些級別可能沒有得到理想的定義;例如，在哮喘人群中，12周可能不被認為是一項長時間的研究。第四，我們的分析並不是為了評估屬性與調查中個性化試驗方案的實際行為或接受度之間的關係，因為基於聯合選擇的問題旨在引出隱含的問題相對用於協議中不同級別屬性的實用程序，並識別用於個性化的重要屬性。雖然將結果傳播給在線研究參與者並不適用，但未來的研究應側重於測試在個性化試驗設計中包括這些個人偏好是否會增加患者的接受度，並促進傳播和融入臨床實踐。
結論
本著個性化試驗的真正精神，我們試圖確定個性化試驗設計偏好的個體可變性。納入個人偏好可能會提高參與個性化試驗的意願。我們的研究還提供了一個框架，用於闡明個人層麵(相對於人口層麵)因素驅動意願和行為的程度，對改善其他以患者為中心的循證創新和規劃的采用具有廣泛意義。正如個性化試驗旨在為患者提供最佳的有效治療，了解個性化試驗的個人偏好對於將個性化試驗的設計與患者的偏好相匹配是同樣重要的考慮因素。
致謝
我們要感謝參加我們合作實驗室和焦點小組的患者代表。他們的參與為聯合調查的發展提供了巨大的見解。
參考文獻
腳注
貢獻者YC根據所有作者的意見起草了手稿。所有作者都審閱了手稿，提出了批評意見，並批準了最終版本。KWD和IK參與了研究概念和獲得資金。YC、DW、TAR、ND、LD、KWD、IK、NM參與研究設計。DW, TSO和JD-H參與數據采集。YC, DW和KZ參與數據分析。
資金這項工作得到了PCORI (ME-1403-12304)和NIH/NIMH (R01MH109496)的資助。
相互競爭的利益沒有宣布。
患者和公眾參與患者和/或公眾參與了本研究的設計、實施、報告或傳播計劃。更多細節請參閱方法部分。
患者發表同意書不是必需的。
倫理批準研究程序和材料已於2017年2月由切薩皮克機構審查委員會提交並批準。
出處和同行評審不是委托;外部同行評審。
數據可用性聲明數據可通過發送電子郵件給通訊作者的合理要求。