1. 临床数据清理与质疑管理工程导论
临床试验的数据管理，本质上是在“数据从受试者身上产生”到“数据可用于统计分析”之间，建立一条可追溯、可核查、可纠错的质量通道。临床数据清理（Data Cleaning）与质疑管理（Query Management）正是这条通道上最核心的两类活动：前者负责发现并修正数据中的错误、缺失与不一致，后者负责把发现的问题以规范的方式反馈给数据产生方，并追踪到闭环解决。本课程把这两件事放在“工程”视角下讨论，强调它们不是零散的手工核对，而是一套有角色、有流程、有工具、有度量、有审计痕迹的系统性工作。
一、课程定位：从“会录数据”到“会管数据质量”
在临床试验数据管理岗位的能力模型中，数据录入与建库只是起点。真正决定数据能否通过核查、能否支撑注册申报的，是清理与质疑环节的执行质量。本课程面向数据管理员（DM）、临床监查员（CRA）、数据审核人员以及参与数据核查的研究者与协调员，目标是让学习者能够：
- 理解数据清理与质疑管理在临床试验数据流中的位置与边界；
- 掌握从数据核查、问题识别、质疑发起、答复处理到关闭确认的完整链路；
- 能够依据数据核查计划（DVP）和质疑管理规范，设计可执行的清理规则与质疑处理策略；
- 能够用质疑数量、关闭周期、重复质疑率等指标判断数据质量与流程健康度。
课程不把“清理”简化为“改错别字”，也不把“质疑”简化为“发消息催答复”。它关注的是：在保证数据真实、完整、可溯源的前提下，如何用工程化方法让清理与质疑工作可计划、可分工、可度量、可审计。
二、核心术语：先统一语言，再谈操作
临床数据清理与质疑管理涉及一批高频术语，理解它们的准确含义是后续所有操作的前提。以下术语在本课程中按如下定义使用：
| 术语 | 含义 | 典型载体 |
|---|---|---|
| 数据清理（Data Cleaning） | 对已录入/已导入的数据进行系统性检查、修正和确认，使其满足完整性、一致性、逻辑性和可分析性要求 | 核查程序、清理报告、修正记录 |
| 质疑（Query） | 对数据中疑似错误、缺失、矛盾或不符合方案要求之处提出的正式询问 | EDC质疑、纸质质疑表、邮件质疑 |
| 质疑管理（Query Management） | 对质疑的发起、分派、答复、审核、关闭和统计进行全生命周期管理 | 质疑日志、质疑状态表、跟踪报表 |
| 数据核查计划（DVP） | 预先定义数据核查范围、规则、频率、责任人和处理方式的文件 | DVP文档、核查规则清单 |
| 源数据核查（SDV） | 将录入数据与源文件/源记录进行比对确认的过程 | SDV记录、监查报告 |
| 医学编码 | 将不良事件、合并用药等文本按标准词典（如MedDRA、WHODrug）编码 | 编码列表、编码质疑 |
| 数据快照/锁库 | 在特定时点冻结数据状态，用于分析或申报 | 锁库清单、快照版本 |
需要特别区分“数据清理”与“质疑管理”：清理是发现和修正问题的过程，质疑是推动问题被确认和解决的沟通机制。清理可以自动完成一部分（如范围检查、逻辑检查），但涉及医学判断、源数据确认或方案偏离的问题，必须通过质疑由人确认。二者不是替代关系，而是互补关系。
三、数据清理与质疑管理在临床试验数据管理中的角色
在一个典型的临床试验数据流中，数据从受试者访视产生，经研究者/协调员录入EDC或纸质CRF，再进入数据库。数据清理与质疑管理位于“数据进入数据库”之后、“统计分析”之前，承担三道关键职责：
- 质量守门：通过编辑检查（Edit Check）、逻辑核查、范围核查、一致性核查等，拦截明显错误和矛盾数据，防止错误数据流入分析集。
- 沟通枢纽：把系统发现的问题转化为研究者可理解、可答复的质疑，并跟踪答复质量，避免“答非所问”或“反复质疑”。
- 审计证据：完整保留质疑发起、答复、修改、关闭的时间戳和操作人，形成可追溯的稽查轨迹，满足GCP和监管核查要求。
如果把临床试验数据管理比作一条生产线，数据清理是质检工位，质疑管理是返修工单系统，而DVP和质疑SOP则是工艺文件。三者缺一不可：没有DVP，清理无依据；没有质疑管理，问题无法闭环；没有审计轨迹，质量无法被证明。
四、整体工程框架：从规则到闭环
本课程将数据清理与质疑管理工程拆解为五个相互衔接的层面，形成一个可落地的框架：
- 规则层：依据方案、CRF、DVP和标准词典，定义核查规则与质疑触发条件；
- 执行层：在EDC或独立核查工具中运行规则，生成问题清单和质疑；
- 沟通层：将质疑分派给研究者/协调员，跟踪答复，必要时升级；
- 闭环层：审核答复，确认修改或接受解释，关闭质疑并更新数据状态；
- 度量层：统计质疑数量、类型、关闭周期、重复率，反馈优化规则和培训。
这五个层面不是线性一次性走完，而是随数据积累反复迭代。例如，某中心反复出现同一类缺失，度量层发现后应回到规则层调整核查频率或加强培训，而不是单纯增加质疑数量。
五、学习路径：先建认知，再练操作，最后做度量
本课程后续章节将沿着上述框架逐步展开。建议的学习路径是：
- 建立认知：先理解数据清理与质疑管理的定义、边界、法规依据和角色分工，明确“为什么做”和“谁来做”。
- 掌握规则：学习如何从方案和CRF中提取核查点，编写编辑检查和逻辑核查规则，形成可执行的DVP。
- 练习操作：通过模拟EDC环境，练习质疑发起、答复审核、修改确认和关闭的完整操作，熟悉常见质疑类型和处理话术。
- 学会度量：学习用质疑关闭周期、重复质疑率、中心间差异等指标评估清理质量，并据此优化规则和培训。
- 应对核查：了解监管核查中对数据清理与质疑管理的关注点，学会准备质疑日志、清理报告和审计轨迹。