1. 课程导入与工程全景

医疗真实世界数据（Real-World Data，RWD）平台，是把医院信息系统、电子病历、检验检查、影像、医保结算、可穿戴设备、患者随访等多源数据，经过采集、治理、标准化、关联与安全管控，形成可持续供给、可追溯、可复用的真实世界证据（RWE）生产基础设施。它不是一个单纯的数据仓库，也不是一套报表工具，而是"数据接入—治理—资产—服务—证据"的工程体系。理解这一点，是后续 29 章所有技术决策的出发点。

一、定义：平台与"数据中台"的区别

很多团队会把 RWD 平台等同于数据中台。二者的关键差异在于证据可追溯性。数据中台追求"数据好用"，RWD 平台还必须回答：这条结论来自哪些患者、哪些原始记录、经过哪些清洗规则、版本是哪一版。因此平台必须内置元数据血缘、数据版本、规则版本与审计日志。举例来说，当一项"某降压药 12 个月血压达标率"的指标被质疑时，平台应能回溯到具体患者集合、纳排条件、缺失值处理方式与统计口径，而不是只给出一张结果表。

二、建设目标：四个可验收的方向

• 数据可得：覆盖目标病种与人群，关键字段完整率、及时性达到约定阈值。
• 数据可信：通过标准化与质量规则，使同一指标在不同时间、不同科室口径一致。
• 数据可用：以数据集、指标、队列、特征等形式对外服务，支持科研、药械评价、医院管理。
• 数据可控：满足隐私保护、权限最小化、脱敏与合规审计要求。

目标必须可量化。例如可设定：目标病种核心字段完整率≥95%，患者主索引（EMPI）合并准确率≥99%，从原始数据到可用数据集的端到端延迟≤24 小时，指标口径变更可追溯率 100%。这些数字是示例性目标，实际项目需结合医院数据现状与合规要求协商确定。

三、核心挑战：五个真实难点

第一是多源异构：HIS、LIS、PACS、EMR、医保接口的编码体系、时间粒度、主键规则各不相同。第二是患者主索引：同一患者在不同系统可能有多条记录，姓名、身份证、手机号存在缺失或变更，合并错误会直接污染科研结论。第三是数据质量：缺失、重复、逻辑矛盾（如出院日期早于入院日期）、单位不统一。第四是隐私与合规：直接标识符必须去除或加密，小样本统计存在重识别风险。第五是可持续运营：数据接入不是一次性工程，源系统升级、字段变更、新病种加入都会持续冲击平台。

四、整体架构：分层与数据流

下图给出平台的分层架构与主数据流。左侧为数据源，中间为采集与治理层，右侧为资产与服务层，底部为贯穿全层的安全合规与元数据血缘。箭头方向表示数据从源系统流向服务出口，同时元数据反向记录血缘。

五、学习路径：从工程到证据

本课程按"认知—建设—运营—应用"推进。前段建立平台定义、目标与架构共识；中段深入数据接入、主索引、标准化、质量、安全等工程环节；后段进入数据集构建、指标口径、队列与特征、真实世界证据产出与合规审计。建议学习时始终带着一个具体病种或场景（例如"2 型糖尿病 12 个月血糖控制"），把每章方法落到该场景上，避免知识悬空。