4. 临床数据源系统与采集机制
临床研究的数据交付质量，首先取决于数据从哪里来、以什么方式进入研究数据库。一个多中心III期试验通常同时运行六类以上数据源系统：EDC承载主要疗效与安全性表单，ePRO采集受试者自报结局，IWRS负责随机化与药物分配，中心实验室输出生化与免疫指标，独立影像评估中心提供盲态阅片结果，可穿戴设备则以高频时序数据补充活动、睡眠或心电信息。这些系统在数据产生时间、传输频率、格式规范、责任主体和监管要求上差异显著，交付工程师必须逐源建立“接口—格式—时序—质量”四维档案，才能设计出可验证、可追溯的整合方案。
各数据源系统的接口与格式特征
EDC系统通常以CDISC ODM XML作为标准交换格式，通过REST API或SFTP批量导出。典型接口参数包括：研究标识（StudyOID）、环境（Test/Prod）、表单版本（FormOID）、受试者筛选条件（SubjectKey）和导出时间戳。ODM中每个临床字段以ItemData形式承载，并附带审计轨迹（AuditRecord），记录谁在何时修改了哪个值。交付工程师需要关注的是：EDC导出是否包含软删除记录、是否保留查询（Query）状态、以及访视日期与表单填写日期的区分。
ePRO系统多采用JSON或CSV推送，数据粒度细到“受试者—问卷—条目—作答时间”。与EDC不同，ePRO强调时间戳的精确性和设备来源标识。例如，一条疼痛评分记录可能包含：受试者ID、问卷ID、条目编号、评分值、作答开始时间、提交时间、设备型号、APP版本。这些字段对依从性分析和数据截断判断至关重要。接口层面，ePRO常通过HTTPS webhook实时推送或每日增量文件交付，交付工程师需确认推送失败的重试机制和补传逻辑。
IWRS的核心交付物是随机化列表和药物分配记录，通常以CSV或XML提供。关键字段包括：随机号、分层因子、治疗组、分配时间、发药编号、访视点。IWRS数据量小但时序敏感，一旦随机化记录与EDC入组日期不一致，将直接影响ITT人群定义。因此，交付时需将IWRS的随机化时间与EDC的知情同意日期、入组日期进行交叉校验。
中心实验室数据以CDISC LAB或SDTM LB域格式交付，通常按批次发送，每批包含样本采集、接收、检测、审核四个时间节点。实验室数据的特点是单位多样、参考范围随中心变化、检测方法可能中途变更。交付工程师应要求实验室提供方法学变更记录，并在整合时保留原始单位与标准化单位两列。
影像数据以DICOM格式存储，通过影像归档与通信系统（PACS）或独立影像中心交付。交付物通常包括影像文件、阅片结果表（RECIST评估、靶病灶测量）和盲态独立中心评估（BICR）结论。影像数据体量大、传输慢，接口设计需考虑分片上传和校验和验证。可穿戴设备数据则以高频时序流形式存在，采样率从1Hz到100Hz不等，单受试者单日数据量可达数十万条。交付时通常先做降采样或特征提取，再以CSV或Parquet格式按受试者—日期分区存储。
接口时序与交付影响
六类数据源的到达节奏差异极大。EDC数据随访视逐步积累，ePRO可能每日多次推送，IWRS在随机化瞬间产生关键记录，实验室按周或按月批量交付，影像在受试者完成检查后数日内传输，可穿戴设备则持续不断产生数据流。这种异步性意味着交付工程师不能等待所有数据到齐后再处理，而应设计分层交付策略：关键安全性数据（如SAE、实验室危急值）优先整合，疗效数据按访视窗口对齐，高频数据先做特征提取再纳入分析数据集。
时间戳对齐是交付中最容易出错的环节。EDC中的访视日期通常由研究者填写，ePRO的作答时间由设备自动记录，实验室的采集时间来自样本管条码扫描，可穿戴设备的时间戳则依赖设备时钟同步。当这些时间基准不一致时，同一事件可能被归入不同访视窗口。建议在交付规范中明确：以EDC访视日期为研究主时间轴，其他源的时间戳作为辅助证据，偏差超过预设阈值（如±3天）时触发人工核查。
格式标准化与质量核查
各源数据进入整合层后，需完成三项标准化操作。第一，变量命名统一：将EDC的ItemOID、ePRO的question_id、实验室的LBTESTCD映射到SDTM变量名，如VSORRES、LBTESTCD、QSTESTCD。第二，单位转换：实验室数据保留原始单位与标准化单位两列，转换系数记录在元数据中；可穿戴设备的加速度单位从g转换为m/s²时需保留转换公式。第三，编码对齐：不良事件术语用MedDRA编码，合并用药用WHODrug编码，各源提供的编码版本必须一致。
质量核查应覆盖完整性、一致性、及时性和准确性四个维度。完整性检查各源受试者覆盖率和访视完成率；一致性检查跨源字段的逻辑关系，如IWRS随机化日期不应晚于EDC首次给药日期；及时性检查数据到达延迟是否在方案允许窗口内；准确性通过抽样比对原始记录与传输值来验证。以下是一份可直接使用的跨源一致性核查清单示例：
| 核查项 | 源系统A | 源系统B | 判断规则 | 处理动作 |
|---|---|---|---|---|
| 随机化与入组日期 | IWRS 分配时间 | EDC 入组日期 | IWRS日期 ≥ EDC入组日期 | 偏差>1天发Query |
| 实验室采集与访视 | LAB 采集时间 | EDC 访视日期 | 偏差 ≤ ±3天 | 超窗标记并核查 |
| ePRO依从性 | ePRO 提交记录 | EDC 访视计划 | 访视窗口内应有提交 | 缺失则提醒补填 |
| 影像评估时点 | 影像检查日期 | EDC 肿瘤评估访视 | 与方案规定窗口一致 | 偏离则记录方案偏差 |
| 可穿戴设备佩戴 | 设备数据流 | EDC 访视记录 | 佩戴时长 ≥ 方案要求 | 不足则标记依从性事件 |
最后需要强调的是，数据源系统的接口和格式并非一成不变。实验室可能中途更换检测平台，ePRO可能升级APP版本导致字段增减，IWRS可能因方案修订调整分层因子。交付工程师应建立变更控制台账，记录每次接口变更的时间、影响范围和验证结果，确保数据交付的连续性和可追溯性。只有把每个数据源的“来龙去脉”都梳理清楚，后续的SDTM映射、分析数据集构建和监管递交才有可靠的基础。