2. 临床研究报告数据生态解析

临床研究报告（CSR）不是一份孤立的文档，而是一条从原始数据到监管决策的数据链。理解这条链上每个环节的产物、标准与约束，是自动化工程能否落地的前提。本节围绕CDISC标准体系，梳理SDTM、ADaM、TLF、define.xml以及监管提交要求之间的数据流与依赖关系。

一、CDISC标准体系：从采集到提交的分层

CDISC（临床数据交换标准协会）并非单一标准，而是一组按数据生命周期分层的规范。最上游是CDASH（Clinical Data Acquisition Standards Harmonization），规定病例报告表（CRF）字段的采集标准，目标是让不同研究在采集端就使用一致的变量名与结构。采集完成后，数据进入SDTM（Study Data Tabulation Model），按受试者、事件、干预、发现等域组织，形成面向监管审阅的“原始可追溯”数据集。再往上是ADaM（Analysis Data Model），面向统计分析，允许派生变量、合并域、定义分析人群。最终由TLF（Tables, Listings, Figures）呈现结果，并由define.xml描述元数据，支撑监管提交。

这条链的核心原则是可追溯性：每一个分析结果都能回溯到ADaM变量，ADaM变量能回溯到SDTM域，SDTM能回溯到采集字段。自动化工程的价值，正是把这种追溯关系从人工核对变为机器可校验的元数据。

二、SDTM：监管审阅的“通用语言”

SDTM的核心价值在于把不同研究、不同治疗领域的数据统一成监管机构可读的结构。它按“域”组织，每个域对应一类观察或事件。例如：

• DM（Demographics）：受试者人口学信息，每个受试者一行，包含年龄、性别、种族、入组日期等。
• AE（Adverse Events）：不良事件，每个事件一行，记录起止时间、严重程度、与药物的关系、转归等。
• LB（Laboratory Test Results）：实验室检查，每个检查项目每次访视一行，包含检验值、单位、正常范围、临床意义判断。
• VS（Vital Signs）：生命体征，结构类似LB，记录收缩压、舒张压、脉搏、体温等。
• EX（Exposure）：药物暴露，记录每次给药的实际剂量、给药途径、起止时间。

SDTM的变量命名遵循固定规则：--TESTCD表示检查代码，--TEST表示检查名称，--ORRES表示原始结果，--STRESN表示标准化数值结果。这种“两字母域前缀 + 变量名”的结构，使得自动化程序可以按域批量处理，而不需要为每个研究单独编写解析逻辑。

三、ADaM：从“数据”到“分析”的桥梁

SDTM面向审阅，ADaM面向统计。ADaM允许派生变量，例如：

• ADSL（Subject-Level Analysis Dataset）：每个受试者一行，包含分析人群标志（如SAFFL、ITTFL）、治疗组、年龄分组、基线值等。
• ADAE：在AE基础上派生治疗中出现的不良事件标志（TRTEMFL）、严重程度分级、与药物关系等。
• ADTTE：时间到事件分析数据集，包含生存时间、删失标志、协变量等，用于Kaplan-Meier曲线和Cox回归。

ADaM的关键约束是可追溯性：每个派生变量必须在define.xml中说明其计算逻辑，并指向SDTM源变量。例如，TRTEMFL的定义可能是“AE开始日期 ≥ 首次给药日期”，这个逻辑必须可被程序验证。

四、TLF与define.xml：结果呈现与元数据描述

TLF是统计结果的最终呈现形式。表格通常包括人口学特征表、不良事件汇总表、实验室检查变化表等；图包括Kaplan-Meier曲线、森林图、瀑布图等；列表包括受试者列表、不良事件列表等。TLF的自动化生成依赖于ADaM数据集和预定义的输出模板。

define.xml是提交包的“说明书”。它用XML格式描述每个数据集的变量名、类型、长度、来源、计算逻辑、编码列表以及数据集之间的关系。监管审阅者通过define.xml快速理解数据结构和派生逻辑，因此它必须与数据集实际内容完全一致。自动化工程中，define.xml通常由元数据仓库自动生成，避免人工维护导致的不一致。

五、临床数据交换与监管提交要求

监管提交对数据格式有明确要求。以FDA为例，SDTM和ADaM数据集需以SAS传输格式（XPT）提交，define.xml需符合CDISC Define-XML规范。提交前需通过Pinnacle 21等工具校验，检查内容包括：变量是否在define.xml中定义、变量长度是否符合规范、缺失值是否合规、数据集结构是否完整、编码列表是否一致等。

自动化工程的目标，是把这些校验规则前置到数据生成阶段。例如，在SDTM映射程序中嵌入变量命名检查，在ADaM派生程序中自动生成define.xml条目，在TLF生成后自动比对输出与预期格式。这样，提交前的校验不再是“发现问题”，而是“确认无问题”。