作者： 发布时间：2022-12-23
临床试验数据是药物研发过程中最重要、最有价值的产出之一，是整个临床试验过程中的核心，最终作为统计分析的基础用以论证药物的安全性及有效性。
保证数据的完整及清洁有助于得到可靠、可信的结论。而临床试验数据的采集、报告与处理的每一步骤都可能伴随错误。
国内外法规均明确要求，在数据收集录入完毕后对数据进行审查、核对、清理，及时发现并解决问题以获取完整、清洁、真实可信的临床数据。
本文对临床试验数据管理中数据清理的各类核查类型及数据核查计划的制定进行了总结，以期对后续临床试验的数据清理提供一定的参考。
1.什么是新数据核查计划的建立
《药物临床试验数据管理和统计分析的计划和报告指导原则》中提到，规范的数据管理计划有助于获得真实完整、准确可靠的高质量数据。
为保证临床试验数据的质量和科学评价药物的有效性与安全性，须事先对数据管理工作和统计学分析原则制定详细的计划书。
在进行数据核查前，应制定详细的数据核查计划(data validation plan,DVP),以明确数据核查内容、方式与核查要求。相关人员根据数据核查计划进行编程或人工核查，之后发出质疑(query)确认数据。
数据核查计划的制定非常关键，应至少包括如下内容。
无论是纸质或者电子数据采集系统，均应在试验开始初期撰写完备、清晰的数据核查计划，以便能高效、准确地对数据进行清理。
获得高质量的临床研究数据是临床数据管理的最终目的。同时数据核查计划还应由临床试验其他参与人员，如申办方、统计分析人员进行审核，以防止漏查、错查、重复查的情况出现。
2.临床试验中收集的数据模块概述
一个临床试验数据中通常包括受试者人口学基本信息、病史、实验室检查、体格检查、生命体征、不良事件、合并用药、研究完成情况等信息。
研究目的、适应症及分期的不同会导致临床数据的收集有一定的差异。不同数据模块的核查与清理有一定的共同性，同时不同模块之间也有一定的交叉性，整个临床试验收集的数据即是各个单独的模块构成的一个整体，模板之间独立又互相关联。
除了单个数据点的核查外，通常还涉及模块与模块之间的交叉核查、数据库中收集的数据与外部数据的核查等。
3.逻辑核查的分类总结
临床试验数据核查中的逻辑核查涉及缺失值、极端值、异常值等。根据质疑产生方式的不同分为系统核查、人工核查等，系统内核查撰写方式的不同又分为系统内置核查、人工撰写的逻辑核查等。
为阐述方便，我们将其大致归为几类：
窗口/范围的核查：临床试验中涉及的日期通常具有一定的前后逻辑关系并且大部分日期需要在一定的访视窗范围内，如访视日期。
交叉逻辑关系的核查：临床试验中各个数据点并不是独立存在的，其通常与其他数据点具有一定的逻辑关系，需在某一数据点的条件下考虑另一数据点的数据情况，如受试者性别与妊娠试验的关系。
缺失/不完整：临床试验中一些数据点的缺失及日期数据不完整的情况。如人口学资料、知情同意日期等。
其他核查：不同的临床试验项目可能具有一些不同的数据核查要点，大部分不具有共通性。
同时临床试验中还有一部分外源性数据，如中心实验室检查、第三方PK/PD数据、严重不良事件等，需要临床数据库中的数据进行人工的一致性核对。
本文转自公众号临床试验导航
