4. 临床数据一致性治理的维度
在临床数据治理中，“一致性”并不是一个单一指标，而是一组彼此约束、又可能相互冲突的维度。同一个检验值，在不同系统中可能名称不同、单位不同、采集时间不同、粒度不同、来源不同。如果只盯着“值是否相等”，往往会漏掉真正导致分析偏差的根因。因此，需要把一致性拆成五个可检查、可度量、可治理的维度：语义一致性、结构一致性、时间一致性、粒度一致性与来源一致性。
一、语义一致性：同一概念是否指向同一含义
语义一致性关注“名称与含义的映射关系”。临床数据中大量冲突来自同义异名、同名异义和编码体系混用。例如“白细胞计数”在LIS中可能写作 WBC，在电子病历中写作“白细胞”，在科研数据库中写作 Leukocyte Count；而“血糖”既可能指空腹血糖，也可能指随机血糖或餐后2小时血糖。若不做语义归一，聚合时就会把不同概念混在一起。
实际治理中，通常以标准术语集为锚点建立映射表。以检验项目为例，可维护如下映射关系：
| 院内名称 | 院内代码 | 标准术语 | 标准编码 | 单位 | 语义状态 |
|---|---|---|---|---|---|
| 白细胞计数 | WBC | 白细胞计数 | LOINC 26464-8 | 10^9/L | 已归一 |
| 白血球 | WBC-OLD | 白细胞计数 | LOINC 26464-8 | 10^9/L | 已归一 |
| 空腹血糖 | GLU-F | 空腹血糖 | LOINC 1558-6 | mmol/L | 已归一 |
| 血糖 | GLU | 待判定 | — | mmol/L | 语义歧义 |
判断语义是否一致，不能只看名称相似度，而应检查三个条件：概念定义是否一致、计量单位是否可换算、取值域是否兼容。对于“血糖”这类歧义项，应回到采集场景或医嘱上下文确认，而不是强行映射。
二、结构一致性：字段、类型与层级能否对齐
结构一致性关注数据的组织形态。即使语义相同，若一个系统把血压存为两个字段 systolic 与 diastolic，另一个系统存为单个字符串 "120/80"，直接合并就会失败。结构一致性检查通常包括：字段是否存在、数据类型是否兼容、是否允许空值、编码格式是否统一、嵌套层级是否一致。
例如，将 "120/80" 拆分为收缩压与舒张压时，需要明确分隔符、异常值处理和单位。若源数据为 "120/80 mmHg"，则必须先剥离单位再拆分。结构不一致往往不是“脏数据”，而是建模差异，治理时应通过映射视图或ETL转换层解决，而不是修改源系统。
三、时间一致性：时间点、时间窗与时区是否可比
时间一致性是临床数据中最容易被低估的维度。同一事件在HIS、LIS、护理系统中有不同的记录时间：医嘱开立时间、标本采集时间、检验报告时间、结果审核时间。若分析“用药后血糖变化”，必须明确以哪个时间为基准。常见问题包括：时间格式不统一（2024-03-01 08:00 与 2024/3/1 8:00）、时区缺失、时间精度不同（秒级与分钟级）、时间窗定义模糊。
治理时需建立统一的时间语义：事件时间、记录时间、系统时间分别标注；所有时间戳统一为带时区的ISO 8601格式；对时间窗类指标明确起止边界与开闭区间。例如“术后24小时内”应定义为“手术结束时间 ≤ t < 手术结束时间+24h”，避免边界重复计数。
四、粒度一致性：聚合层级与最小观测单元是否匹配
粒度一致性关注数据的聚合层级。同一指标可能以不同粒度存在：单次检验结果、每日汇总值、住院期间最高值、按科室统计的均值。若把“每日血糖均值”与“单次血糖值”放在同一张表里做趋势分析，就会产生粒度错配。粒度治理的关键是明确每条数据的“最小观测单元”和“可聚合路径”。
例如，体温数据可能来自护理单的每次测量，也可能来自体温单的每4小时记录。前者粒度更细，后者是规则采样。若研究需要“发热持续时间”，应使用细粒度数据并定义阈值（如≥38.0℃）与持续判定规则；若只需“是否发热”，则可用粗粒度数据。粒度不一致时，应优先降粒度对齐，而不是升粒度猜测。
五、来源一致性：多源数据的可信度与可追溯性
来源一致性关注“数据从哪来、经过谁修改、以谁为准”。临床数据常来自HIS、LIS、PACS、手麻系统、随访平台等。不同来源的可信度、更新频率、覆盖范围不同。例如，检验值以LIS为准，但若HIS中也有手工录入的检验结果，两者冲突时应以LIS为权威源，并保留HIS记录作为审计线索。
来源一致性治理要求为每个数据元素标注来源系统、采集方式、更新时间和责任人，并建立冲突消解规则：权威源优先、时间近者优先、人工确认优先等。同时，任何合并、转换、修正都应保留血缘关系，确保可追溯。
六、五个维度的协同检查与冲突处理
五个维度并非独立，而是相互制约。语义一致但结构不一致，需要转换；结构一致但时间不一致，需要对齐时间基准；时间一致但粒度不一致，需要降粒度；粒度一致但来源冲突，需要权威源裁决。实际治理中，建议按“语义→结构→时间→粒度→来源”的顺序逐层检查，因为前一层不通过时，后一层检查往往没有意义。
以“住院患者血糖监测数据集”为例，一个可执行的检查顺序如下：
- 语义检查：确认每条记录对应“空腹血糖”还是“随机血糖”，映射到标准术语与单位。
- 结构检查：确认血糖值为数值型、单位为mmol/L，缺失值与异常值有明确标记。
- 时间检查：统一采集时间为带时区的ISO 8601格式，明确“住院期间”的起止边界。
- 粒度检查：区分单次测量与每日汇总，若做趋势分析则统一为单次测量粒度。
- 来源检查：以LIS为检验结果权威源，HIS手工录入值仅作补充并标注来源。
综上，语义、结构、时间、粒度与来源五个维度共同构成临床数据一致性治理的检查框架。它们分别回答“是什么、怎么存、什么时候、多细、从哪来”五个问题。只有五个维度同时通过，数据才具备可合并、可比较、可追溯的基础，后续的编码归一、指标计算与科研分析才有可靠前提。