定义、范围与责任边界
临床数据管理与统计分析,是把方案规定的研究观察转化为完整、可追溯、可解释的数据集,并用预先说明的方法回答研究问题的专业服务。数据管理覆盖采集设计、接入、编码、核查、质疑、清理、标准化、定稿、保存和交付;统计工作覆盖研究设计支持、样本量、随机化、估计目标、分析集、模型、敏感性分析、结果呈现和复现。本词条位于 WSIC 6.5.2“受试者与样本管理”,但处理对象是研究数据及其证据链,不是受试者招募、样本检测、临床诊断或单纯的软件托管。
研究者、申办方、数据管理人员、统计师、程序员、医学监查员、中心实验室、阅片或睡眠判读中心和技术供应方职责不同。统计师不能用模型修复错误的源数据,数据管理员也不能在未获医学与方案授权时重新解释临床事件。服务外包不转移对参与者安全、方案遵守、数据可靠性和结果报告的最终责任;自动化规则、机器学习或生成式工具可以辅助发现问题,但其输出须经与风险相称的验证和人工监督。
服务范围应以数据管理计划、统计分析计划、数据传输规范、编程规范和责任矩阵固定。合同需界定数据源、系统、标准、交付物、时间点、盲态、查询权限、医学编码、外部数据、随机化和中期分析接口、质量指标、软件与代码所有权、分包、审计、安全、保留及退出。探索性分析、确证性推断、监管提交、学术发表和内部决策具有不同要求,不能用“统计支持”一词模糊交付目的与证据等级。
方案、数据标准与分析预设
高质量数据工作始于方案设计,而不是末次访视后清洗。研究问题应明确人群、处理或暴露、比较、结局、观察时间和需要处理的治疗后事件;主要、次要与探索性变量须有操作性定义。统计分析计划应在接触可能影响决策的非盲结果前定稿,说明分析集、变量推导、基线、访视窗口、协变量、分层因素、模型、检验、置信区间、缺失数据、异常值、多重性、中期分析和敏感性分析。此后变更要记录时间、理由、决策者及是否查看过结果。
数据标准应从采集到分析贯通。病例报告表或电子采集表只收集回答方案与安全问题所需的内容,并为每个字段定义名称、含义、类型、单位、允许值、时间基准、缺失原因和来源。标准化采集、提交与分析模型可提高跨系统追溯性,但应使用项目适用、监管方接受的版本并保存实现说明;把字段改成标准名称并不会自动纠正错误定义、错误单位或不一致的观察窗口。
样本量和分析方法要与设计、效应量、变异、事件率、聚类或重复测量、失访及预期用途相匹配,并报告关键假设和不确定性。随机化序列、分配隐藏和盲态维护须独立受控;访问非盲数据的人员、数据和时间点应最小化并留痕。若设数据监查委员会或中期决策,应预先规定章程、独立性、信息流、停止或调整规则,以及如何控制统计错误和运营偏倚。
采集整合与睡眠数据特性
临床研究可能整合电子病例报告表、电子病历、参与者报告、实验室、药物或器械、影像、语音、日记、可穿戴设备和传感器。每条记录应保留参与者、访视或时间点、来源、采集方法、设备与软件版本、单位、时区、创建和修改者以及必要元数据。自动传输应核对数量、唯一键、范围、时间和校验和,手工转录则需要针对风险的复核。接口失败、重复、迟到、部分文件、时钟漂移和重新处理版本必须可识别,不能以最后收到的文件静默覆盖前版。
睡眠数据常跨午夜、多时区并存在夏令时变化,日期、当地时间、协调世界时、相对入睡或醒来时间应分开保存。多导睡眠包含连续信号、通道和传感器信息、睡眠阶段及事件注释、质量标记和汇总指标;体动记录和可穿戴设备还涉及佩戴状态、采样率、原始信号、算法版本和日记边界。应核对信号与注释对齐、通道单位、有效记录区间和计分规则;单个汇总值不能替代生成它的原始资料和规则。
同名睡眠指标可能因传感器、导联、采样、睡眠或记录时间分母、事件阈值、计分版本和人工覆核而不同。设备未佩戴不能直接当作清醒,算法判定的睡眠也不等同于实验室计分;计划就寝、实际上床、尝试入睡、睡眠开始和最终醒来应保持区别。多夜、双侧或多通道资料具有层级与时间相关性,统计单位可能是参与者、夜晚、时段、信号片段或事件。若把大量片段当作相互独立的受试者,会产生伪重复和过度精确。
核查、质疑与数据库定稿
数据核查应依据重要性与风险,而不是追求所有字段零差错。自动规则和人工审查可检查必填、范围、日期顺序、跨表一致性、重复、异常趋势、方案偏离、安全事件、随机化、外部数据对账及关键结局。规则应有版本、测试和误报处理;中心间差异、极端值或统计异常只是调查线索,不是造假或错误的自动证明。对真实但罕见的观察,应保留而不是为让分布“更好看”而删除。
质疑应具体、非诱导且可追踪,保留原值、修改值、理由、发起者、答复者和时间。源记录更正、病例报告表更正、统计推导与医学编码是不同操作;任何更改都不能掩盖原始记录。外部实验室、判读中心、器械和电子患者报告数据需要按关键键值和版本对账,严重不一致应升级。编码词典及版本、自动编码与人工裁决、合并或拆分规则也属于分析可复现的一部分。
冻结或锁库前应完成预定核查、查询处置、重要偏离和安全对账、盲态审核、外部数据确认、编码定稿及分析数据准备度评估,并由获授权角色批准。锁库不是“数据完美”的声明,而是确认在已知限制下达到预定分析标准。解锁须有受控理由、影响评估、授权和再锁记录;分析快照、传输文件、程序、元数据和锁库状态要能够相互对应,防止同一报告混用不同版本。
统计估计、缺失与不确定性
统计分析应围绕明确的估计目标,而不只是选择一个检验。对随机研究,应说明目标人群、处理条件、结局变量、总体层面的汇总以及停药、救援治疗、交叉、依从性变化或死亡等治疗后事件如何进入问题。观察性研究还需处理混杂、选择、测量误差、时间变化暴露和反向因果。模型选择应反映设计和数据结构,并检查适用假设;显著性数值不能替代效应大小、区间、不确定性和临床意义。
缺失首先要按原因、时间、组别、中心和变量描述,并区分未安排、未采集、设备失败、无效记录、退出、失访、结构性不适用和低于测量能力。主分析对缺失机制的假设应明确,敏感性分析应检验结论在合理替代假设下是否稳健。简单删除、最后一次观测搬移或单一插补并非普遍有效;插补模型、辅助变量、随机性和合并规则须记录。异常值处理同样需要预设、源数据核查和包含与排除结果的比较。
重复测量、多夜资料、多个中心、家庭成员、成对器官或大量信号片段需要反映相关性与聚类。多个结局、时间点、亚组、模型和反复查看数据会增加偶然发现,确证性结论应预设层级或采用适当的多重性控制。亚组分析应给出交互作用、不确定性和先验依据,不把“本组显著、另一组不显著”当作组间差异。模型失败、收敛问题、小样本、偏离方案和分析选择都应透明披露,不能只呈现最有利的结果。
结果呈现、复现与数据共享
结果交付应能从表、图和列表追溯到分析数据、标准化数据及来源。输出需说明分析集、分母、单位、模型、调整因素、缺失量、估计值、区间和必要检验,并同时呈现参与者流、基线、暴露或干预执行、安全性和不良事件。随机试验与观察性研究应采用适合设计的报告指南,但清单用于提高透明度,不能替代合理设计或把低质量研究变成高质量证据。探索性、事后和数据驱动发现必须明确标注。
复现包通常包括定稿方案与统计分析计划、数据管理与分析数据规范、数据字典、受控术语、原始到分析的映射、程序与依赖版本、运行日志、质量控制记录和输出索引。关键分析宜由独立程序、双编程或基于风险的复核验证;完全一致不是唯一方法,但复核范围和差异解决应有记录。动态报告、交互图和机器学习模型还需保存输入快照、参数、随机种子、训练与测试分割及模型版本,使后来者能够重建而不是只能观看结果。
数据共享应与同意、伦理批准、法律、资助方政策和数据使用限制一致。去标识后的睡眠信号、精确时间、地理或设备轨迹仍可能重识别个人,开放访问并非默认最安全方案;可按风险采用受控仓库、申请审查、数据使用协议、最小权限和输出检查。共享包应包含足以解释的元数据和版本,但不应包含无必要的直接或间接标识。负面结果、偏离和代码限制也应披露,选择性共享会损害复核价值。
采购监督、变更与退出交付
采购数据管理或统计服务时,应以项目场景评价人员、方法、系统和治理,而不是只比较软件品牌、自动化比例或报价。尽职调查可核对同类研究经验、资质与独立性、验证证据、标准版本、编程与统计复核、问题升级、安全、业务连续性、分包及检查支持。试运行宜覆盖跨午夜时间、外部数据迟到、重复记录、盲态数据、编码变化、查询关闭、锁库与重跑,以验证接口和责任划分。
项目期间对方案、病例报告表、设备、算法、计分规则、词典、数据标准、统计模型、软件或供应商的变更都应评估影响。决定采用前要说明对既有数据、随机化、盲态、样本量、主要结局和可比性的影响,并按需迁移、回溯重处理、桥接或修订分析计划。紧急安全变更可以先实施,但仍须及时记录与复核。只保存最新文件而删除旧版,会破坏对研究决策和结果的重建。
服务结束时应交付经对账的数据及其定义、全部适用版本、查询和偏离状态、编码、传输清单、锁库与解锁记录、分析数据、程序、日志、质量控制证据、随机化和盲态资料的受控部分、报告以及未决问题。接收方应验证数量、散列或其他完整性标识、可读性、执行环境和重现性;原服务方依约处理账户、密钥、副本和保留义务。若退出条款只要求一个最终表格,而没有源到结果的谱系、代码、元数据和软件依赖,研究将难以审计、更新或复现。