合作中的中心性：面向社区检测中多中心临床试验招募的社交分区梯度新型算法

在综合癌症中心，就标准治疗后未能实现治愈或缓解的患者常常成为临床试验的候选人。参与临床试验的患者可能适合其他研究。影响后续临床试验招募的关键因素是肿瘤科医生与主要负责医生之间的结构化合作。通过社交网络分析和社区检测算法分析患者在不同临床试验干预类型之间的移动，可实现这些合作网络的可能识别。在检测肿瘤科工作小组时，本研究评估了三种社区检测算法：Girvan-Newman、Louvain 以及作者开发的算法。Girvan-Newman 将每个干预识别为自己的社区，而 Louvain 将干预分组方式难以解释。相比之下，作者的算法将干预分组方式既直观又有信息性，在社交分区中显示出渐变，这在流行病学研究中尤其有用。为 clustered interventions 的未来子组分析奠定了基础。