浅谈临床数据管理
人类社会经历了从工业1.0的蒸汽机时代，到工业2.0的电气化时代，再到工业3.0的信息化时代，直到今天，以大数据、人工智能、量子通信等为代表的4.0工业革命，正在悄悄改变人类的生产生活方式。
随着医药行业、新药研发及临床试验的不断发展，全球药物研发计划的不断扩大，我们正面临着更大量临床试验数据以及更多样化临床试验数据的挑战。面对临床试验当中的海量数据，我们需要如何来合理地管理这些数据，以保证从临床试验数据中获得更多有价值的信息指导医生用药，最终让患者获益呢？数据管理历史沿革
临床数据管理是临床研究当中的一个非常重要且关键的环节。临床数据管理经历了从人工管理、文件管理，到现在的数据库管理的过程。
传统的数据管理存在诸多问题，数据的可靠性、安全性和准确性得不到保证、数据易丢失、数据核查的工作量太大、数据管理的费用过高且过程较为繁琐等，整个过程会推迟临床研究进展。改革传统临床数据管理模式迫在眉睫。
电子化和网络化是当今社会各个行业提高效率、节约成本、改善效益的重要实现手段。在临床研究中数据管理的电子化降低了临床研究的费用，缩短了研究的周期，简化了管理环节，研究者可以较好地遵循SOP，保证研究的质量，从而加快药物申报注册进程，提高其产品的市场竞争力和经济效益。具体来说，通过使用良好的临床数据管理系统可以防止未经授权的人员接触数据，保证数据的安全性、私密性、真实性和可靠性；对数据的录入进行控制，减少错误的录入，提高数据的准确性；通过网络实现各种研究场所和数据管理中心的数据传输和信息的交互，简化数据的收集、整理、核查等过程。同时电子化的数据具有易于查看、备份、保存等优点，从而保证了整个研究过程获得高质量数据[1]。
国外临床研究数据的电子化管理产生于20世纪70年代，在过去的30年里已经发展成为一整套以加强研究管理、质量控制、质量保证为目的规范化的操作规程。而基于网络技术的远程数据录入同样出现于20世纪70年代，但是由于技术的原因在20年内没有对临床研究领域产生影响。进入20世纪90年代，EDC工具的发展及在临床研究领域中的应用极大地推动了临床数据管理的电子化进程[1]使临床试验中各方参与人员进入系统同步完成工作，实现远程高效协作的数据管理模式。
数据管理究竟做什么？
数据管理主要是建立数据库用于收集临床试验过程中产生的临床数据，并对这些数据进行清理，确保试验数据的可靠、完整和准确。综合来说，数据管理主要包括数据的收集、录入、清理、编码、一致性核查、数据库锁定和转换。
数据管理的工作贯穿于整个药物研发阶段整个数据生命周期，目标就是获得高质量的真实数据。数据管理工作内容及流程
数据管理工作内容及流程主要分为如下四个环节：项目立项、数据库系统设计阶段、数据管理的进行阶段以及最终锁库阶段。
1、立项
一个新的项目的建立，也就代表数据管理的准备工作要开始了。由于每个方案对数据的收集都有明确的要求，比如，哪些数据需要收集、数据收集的程度以及数据收集的表现形式等，一般会内部评估后分配一位数据管理员与整个项目组对接，共同确定项目方案，同时需要与项目组确定EDC上线的时间表，随着时间表的确定，数据管理的工作也就正式开始了。
2、设计阶段
创建EDC
由于每个临床项目所需的数据库不同，因此每个项目都需要根据标准库的结构、逻辑与设置来申请、建立EDC环境。同时需要建立数据库中的线上逻辑核查系统（EditCheck），自动判定录入的数据是否符合逻辑。
EDC系统构建完成，一般由中心负责人、医学经理、CRA及CRC对系统进行测试，一般需要实际录入数据，以确认数据库是否可以满足本项目的数据收集的需求，并利用系统逻辑检验程序检查数据的有效性、一致性、缺失和正常范围等。数据库完成测试后，由数据管理负责人签署确认。当然，随着项目的进展，方案可能会有所更新，也是需要根据方案设计点的更新，对数据库进行实时更新。CRF的设计与定稿
临床试验主要依赖于CRF来收集试验过程中产生的各种临床试验数据。CRF的设计需要符合研究方案，符合统计的分析要求，对于收集的内容尽量避免自由文本，此外，CRF的设计还需要符合行业标准（CDISC标准）。
CRF最终确定需要经历初稿撰写、项目组审核、修订及最终定稿的过程。CRF填写指南
用于指导CRC录入EDC数据表格的文件，包含系统功能及登录操作、各个表格具体字段填写和录入标准与要求、添加受试者、数据核查等，主要是系统功能性操作的注意事项。统一整个项目的录入规则，实现数据的初步收集，保证整个数据集在系统中的完整性。在项目后续过程中，可能会遇到各种填写的问题，填写指南也需要更新并完善。
制定DMRP文件
DataManagementReviewPlan数据审核计划，目的是确保数据的完整性、有效性和准确性，明确数据核查内容、方式与审核要求，规范每个参与的同事在项目核查中，需要审核的具体内容及逻辑关系。它包含但不限于系统的逻辑核查、SAS的程序核查，以及手工核查等。
整个项目层面数据审核主要分为“CRA的源数据核查”“医学经理的医学审核”和“数据管理的数据逻辑核查”。源数据核查(SDV)——CRA
通过查阅中心原始病历，比对EDC数据与病历数据一致
医学审核——医学经理
与入排相关的合理性
方案违背的审核
医学相关信息审核（药物安全性，药物疗效情况，受试者基线数据审核）
数据清理——数据管理员
数据格式核查
实验室正常值范围配置
数据与数据之间逻辑的合理性
SAS程序辅助导出数据清理列表
药物安全数据一致性比对，主要是对SAE一致性比对
外部数据与EDC系统数据一致性比对
方案违背信息与EDC比对
EDC培训和UAT
对EDC系统的权限、架构、项目中需要特别
