直播回顾｜临床 CRO 视角：临床试验多部门同源实时数据怎么跑？

10月16日，有临医药数统团队生物统计师于朝雷带来「临床试验多部门同源实时数据怎么跑？」主题直播（有临直播第32期），深度拆解临床研究中期常见的三段割裂，以及团队自研"多部门同源实时数据平台"的破解思路。本场直播聚焦"先治理、后功能"的数据平台建设逻辑，为药企与CRO 提升数据管理效率、缩短报表交付周期提供清晰路径。

一、为什么做这件事？
三个角色，三段割裂的工作流

临床研究进行到中期，常见的困境是：数据躺在 EDC 里，核查在 Excel 里，报表却在 Word 里。三类工具各司其职，却把一条本该连续的工作流，硬生生切成了三段。

• 数据管理 / 一线同事：查不良事件（AE）有没有漏记，要导出实验室检查数据、筛出异常值，再逐条回到 AE 表单核对。一个项目中期动辄几千到上万条实验室记录，人工比对费时，抽样核查又必然存在漏检。
• 数统团队：TFL（表、图、列表）报表要等数据导出、跑程序、逐交付节点核对，制表重复劳动，占据大量时间。
• 医学老师：想临时看某个亚组结果或某中心 AE 发生率，要找数统排期，往往要等上几天。

三段割裂的本质，其实是数据治理的三件事——可及性（数据拿不到、看不全）、一致性（AE 与实验室检查本应吻合却只能靠人对）、追溯性（结果要能追到原始记录）。对临床 CRO 而言，团队的设计顺序是：先把"接得进、看得懂、追得到"的数据底座打好，再做核查自动化、分析自助化与报表标准化。

二、平台架构：
一个不绑定 EDC 的
同源实时数据底座

有临自研的这套平台，是一个纯 Web 平台，浏览器访问即可，无需安装任何客户端。

• 标准 EDC 接口对接：后端通过标准 EDC 数据接口与系统打通，目前对接的是有临自研 EDC；但分析、核查、报表模块在架构上都不绑定特定厂商——接入新的 EDC，只需实现一个标准接口，这也是平台能跨项目推广的基础。
• 数据按项目隔离：不同项目的数据严格隔离；通过 API 自动拉取完成 code list 解码、变量标签获取并缓存到本地，后台约每 2–4 小时刷新一次。
• 带时间戳的实时数据：用户看到的永远是带有时间戳（精确到秒）的数据，每个人都清楚自己看的是哪个时间点的数据。

三、权限与项目总览：
让每个人看清自己看的
是"哪个时点"

进入平台的第一件事是选择项目。选项目的弹窗里包含三个信息：项目编号、在该项目承担的角色、数据缓存的具体时点（精确到秒）——让使用者对自己的数据视图有明确预期。

• 两级权限体系：系统级角色（如系统管理员）+ 项目级角色（项目统计师、医学、PM 等）；同一个账号在不同项目可以有不同角色。
• 模块级管控：例如统计报表模块，只有统计师可以进入配置，其他项目成员看不到该模块。
• 项目驾驶舱：进入项目后可见 KPI 卡片与基本信息（项目名称、适应症、瘤种等），右侧实时展示入组状态、各中心入组人数占比与总体入组比例——这些由系统管理员或 PM 配置，普通成员不可编辑。

四、数据管理：
把 Query 清理
从"锁库前突击"变成"过程管理"

数据管理模块把 EDC 的 Query（质疑）直接拉进平台，分两个页面回答两个问题：具体是什么问题、整体清理到什么程度。

• Query 明细：一张大表，一行就是一条质疑的完整流程——试验参与者、中心、访视、表单、字段、当前状态一目了然。质疑分两类：系统质疑（EDC 逻辑核查自动触发）与人工质疑（数据管理员或医学提出）。
• Query 汇总：面向项目经理与客户，呈现未关闭 Query 数量、超 14 天未关闭数量、平均与最长滞留天数、分布图，以及按中心的汇总与明细，可直接拿去与对应中心沟通。
• 从突击到持续：团队的核心观点是，Query 不只是"问题清单"，更是数据质量的过程指标——未关闭率（量）、清理速度、中心分布（堵点）三个维度分别度量清理的量、速度与堵点。当这些指标常态化挂在页面上，数据管理就能从"锁库前突击清理"变为"过程中持续清理"。

五、统计分析自助化：
口径一处定义，
亚组独立分层

平台把统计分析模块定位为"自助"：医学、统计师等可自己在页面上筛选条件、即时出结果，不必提需求、排期、等程序。

• 口径一处定义：全分析集等分析人群只在"统计信息配置"里定义一次，后续所有分析模块与报表全部引用。过去"统计程序里定义一次、医学材料里又定义一次，人数对不上要查半天"的口径漂移，被结构性消除，所有分析口径天然一致。
• 亚组独立分层：亚组汇总基于配置的分类变量（如性别、民族）一键生成分层结果，输出总体占比、中心分布热图、组间对比三张图。
• 自助 ≠ 随意：团队有意只做单变量独立分层，而不做亚组变量的组合交叉——组合交叉会产生小样本、大量空单元格，比例不稳且易被误读。把合理的框架铺好，让使用者在正确的框架里自助，才是"自助分析"的本意。

六、智能核查：
实验室异常按 CTCAE 分级，
从抽样变全量

平台核心的智能化能力，是基于 CTCAE 分级的疑似漏记筛查。

• 核心逻辑：实验室检查结果若有临床意义的异常，按 CTCAE 标准（系统内 5.0 与 6.0 版均做了支持）分级后，理应在 AE 表单中找到对应记录；找不到，即提示疑似漏记。合并用药核查同理——异常或治疗用药，应有对应的用药记录。
• 从抽样到全量：传统做法由数据管理人工抽样比对，覆盖率有限；系统改为全量自动跑，将人工抽样比对升级为系统全量自动核查，输出疑似漏记清单，相关同事只需复核确认——把"大海捞针"变成"按清单核实"，Query 问题前移，锁库前清理工作量明显下降。
• 边界与细节：基于数值最高判定到 3–4 级，CTCAE 4–5 级通常仍需临床判断；实验室趋势分析支持查看单个试验参与者的指标趋势线；点选单元格可圈定时间窗，自动汇出窗内相关 AE（如中性粒细胞计数降低类事件）及合并用药情况。

七、效率跃迁与团队思考：
工具的价值是固化最佳实践

在报表环节，人口学/基线特征汇总表、按 SOC/PT 汇总的 AE 表等，其三线表等输出格式被固化在渲染引擎中，支持一键导出，下载内容与预览一致。演示中单表两秒即可生成，单表产出时间从小时级缩短到分钟级。临床 CRO 的报表交付效率随之显著提升。

落到方法论，总结为四个转变与四点思考：

四个转变

AE / 合并用药漏记核查
从人工抽样 → 系统全量核查

分析
从提需求等程序 → 页面自助、即点即得

报表
从手工排版 → 模板化装配

效率提升
来自工作方式的整体升级，而非某个单点功能。

四点思考

1 工具最大的价值是固化最佳实践
——把团队的好习惯变成系统默认行为

2 自动化的边界要划清
——智能核查输出的是疑似清单，判断权最终在人，临床数据关系试验参与者安全与试验结论，定性必须由医学等专业角色完成

3 数据治理先于功能开发
——底座打对了功能越加越顺，打错了欠账越多

4 从项目工具到组织平台的关键是标准接入
——模块从第一天起就不绑定任何一家特定 EDC

平台后续规划包括：接入更多 EDC 数据源、拓展核查规则库（如方案偏离）、报表侧引入更多统计能力，以及在平台引入更多 AI Agent。

互动问答

Q1：统计师实时拿数据跑分析，会不会破坏盲法？
不会。平台做了角色与权限的盲态隔离，盲态数据按事先设定的规则隔离，统计师只在授权数据范围内进行分析；涉及揭盲的分析，会走独立的揭盲流程与权限审批。实时流动的数据，不等于可以乱碰——合规边界必须守住。

Q2：同样的分析集（如全分析集）在不同项目里也会有不同条件，系统怎么处理？
所有分析集都由统计师在"统计信息配置"中定义，可通过 EDC 原始数据条件（并用"且 / 或"组合）自定义筛选，人群名称也可自行定义。即便分析集名称相同，就算内核逻辑不同，平台也能分别处理，避免"同名不同义"带来的口径冲突。

结语

临床研究的数据工作，正从"工具割裂、人工接力"走向"同源实时、平台协同"。从 EDC 数据、核查到报表三段割裂的工作流，被整合成一个带秒级时间戳的同源实时数据底座，让核查从抽样变全量、分析从排期变自助、报表从手工排版变模板装配。

有临医药持续深耕肿瘤、自免、神经领域的创新药临床研究，依托AI赋能的数字化平台、专业临床资源与团队优势，为申办方提供从数据底座搭建、数据管理、统计分析到 TFL 报表交付的一体化数统解决方案，为数据质量与交付效率的提升提供支撑。

有临医药

有临医药（UnionClin）创立于 2017 年，总部位于上海，聚焦肿瘤、自免、神经领域的创新药物临床研究。依托数字化平台、临床资源与专业团队，构建覆盖新药研发全周期的服务体系：从 IND 策略到 NDA 申报，提供 I 期至 III 期临床研究的一站式解决方案，涵盖医学事务、临床运营、数据管理与统计、临床药理、药物警戒、独立影像评估、生物分析、SMO 及专业人才派驻。具备中美双报、创新性试验设计与全球多中心临床研究服务能力。

目前拥有 500 余人服务团队，驻地全国超过 100 个城市，与 2000 余名核心领域临床专家及 1000 余家研究中心建立合作，已为 400 余项新药临床研究项目提供服务。

临影医药（有临医药全资子公司）成立于2017年，总部位于上海，是第三方独立医学影像CRO (Independent Review Committee, IRC)，为创新药物临床研究提供第三方独立影像评估服务，确保试验结果的客观性和科学性，加速临床试验、注册审批的进程，助力新药上市。