3. 临床数据质量维度与清洗目标
临床研究数据清洗不是“把空值填上、把异常值删掉”这么简单。它首先要回答一个更根本的问题：什么样的数据才算“干净”？在受试者入组、随访、实验室检查、不良事件记录、合并用药、终点判定等环节中，数据质量可以从六个维度来刻画——完整性、准确性、一致性、及时性、唯一性、合规性。这六个维度不是并列的口号，而是六类可被程序化检查、可被量化、可被追溯的约束条件。清洗目标，就是把原始数据逐步收敛到同时满足这六类约束的状态。
下面先给出六维度的定义与典型检查对象，再说明每个维度对应的自动化检查策略，最后用一张关系图把“维度—检查—处置”串起来。
一、完整性：字段、访视、受试者三层都不能缺
完整性关注“该有的数据有没有”。它至少分三层：字段级（某一行某列是否为空）、访视级（某次计划访视是否整页缺失）、受试者级（某受试者是否缺少关键终点或安全性数据）。例如，某受试者已入组并分配随机号，但基线表、首次给药记录、第1周期实验室检查全部为空，这属于受试者级完整性缺陷，而不是简单的空值。
自动化检查策略：对每个字段配置“必填/条件必填”规则，条件必填用表达式描述，如“若 AE 严重程度=3级，则 AE 开始日期、处理措施、转归必填”。访视级完整性用“计划访视表”与“实际访视表”做左连接，输出缺失访视清单。受试者级完整性则按关键变量集合（随机号、知情同意日期、主要终点、SAE 标志）做非空计数，低于阈值即告警。检查结果应输出到“缺失清单”，包含受试者编号、访视、字段名、缺失类型、是否条件必填，便于数据管理员逐条跟进。
二、准确性：值域、逻辑、医学合理性三重校验
准确性关注“填进去的值对不对”。它不等于“非空”，而是要求值在允许范围内、符合变量间逻辑、符合医学常识。常见检查包括：值域检查（性别只能取 M/F/未知；年龄 0–120）、格式检查（日期符合 YYYY-MM-DD，且为真实日期）、逻辑检查（知情同意日期 ≤ 首次给药日期 ≤ 访视日期；AE 开始日期不早于首次给药）、医学合理性检查（收缩压 60–250 mmHg，舒张压 30–150 mmHg，且收缩压 ≥ 舒张压；体重 20–300 kg）。
自动化策略：把上述规则写成可执行的校验表达式，逐行求值，命中即生成“质疑（Query）”。质疑应带严重级别：硬错误（如日期格式非法、随机号重复）必须修正；软警告（如血压 180/110 但无高血压病史）需人工确认。示例：某受试者体重记录为 780 kg，规则“20 ≤ 体重 ≤ 300”命中，系统生成质疑“体重超出合理范围，请核实单位是否为 kg”。数据管理员核对原始病历后，若确为 78.0 kg，则修正并关闭质疑；若为录入错误，则回退到源数据修正。
三、一致性：跨字段、跨访视、跨表单必须自洽
一致性关注“同一事实在不同地方是否说法一致”。典型场景：出生日期与年龄不一致；AE 结束日期早于开始日期；访视日期早于知情同意日期；同一受试者在不同表单中的性别、出生日期不同；合并用药剂量单位与频次不匹配。一致性检查往往需要跨表连接，比单表值域检查更复杂。
自动化策略：建立“一致性规则库”，每条规则声明参与比较的字段、比较运算符和容差。例如“年龄 = floor((知情同意日期 − 出生日期)/365.25)”，容差 ±1 岁；若偏差超过 1 岁，生成质疑。跨访视检查可用“受试者—访视”宽表，比较相邻访视的关键变量是否发生不合理跳变，如体重在 7 天内变化超过 10% 且无原因记录，则提示核实。一致性检查的输出应包含冲突字段、两侧取值、规则编号，方便定位。
四、及时性：数据到达与质疑关闭都要有时限
及时性关注“数据是否在可接受的时间窗内到达并完成清理”。临床研究中，数据延迟会直接影响安全监测和期中分析。及时性通常用两个指标衡量：数据录入延迟（访视日期到数据录入日期的天数）和质疑关闭周期（质疑生成到关闭的天数）。例如，方案要求访视后 5 个工作日内完成录入，质疑 10 个工作日内关闭。
自动化策略：每日运行“超期未录入”和“超期未关闭质疑”报表，按中心、受试者、访视维度汇总。对超过阈值的记录自动升级提醒。及时性检查不修改数据本身，但驱动清理流程的节奏，是数据管理计划（DMP）中的关键运营指标。
五、唯一性：受试者、访视、记录都不能重复
唯一性关注“同一条记录是否被重复表达”。常见问题：同一受试者被分配两个随机号；同一访视被录入两次；同一 AE 在两张表单中重复记录；实验室检查同一标本产生两条结果。唯一性缺陷会直接导致统计人群偏大或事件计数偏高。
自动化策略：对受试者级用随机号、筛选号做唯一性约束；对访视级用“受试者编号 + 访视名称 + 访视日期”做组合唯一键；对记录级用业务主键（如 AE 编号、用药编号）去重。检查时先做精确匹配，再做模糊匹配（如姓名拼音、出生日期、性别组合）识别潜在重复受试者。命中后输出重复组，由数据管理员判断保留哪条、作废哪条，并保留审计痕迹。
六、合规性：隐私、权限、审计与法规要求
合规性关注“数据处理过程是否符合法规与方案要求”。它包括：直接标识符是否被去标识化或加密；访问是否按角色最小权限控制；所有修改是否留有审计追踪（谁、何时、改了什么、为什么）；数据导出是否经过审批；是否满足 GCP、ICH E6(R2)、21 CFR Part 11 及所在地区个人信息保护法规的要求。合规性不是清洗完再补的环节，而是贯穿清洗全过程的约束。
自动化策略：在清洗管道中嵌入合规检查点——导出前扫描是否包含姓名、身份证号、电话等直接标识符；修改操作强制填写原因码；审计日志不可删除；权限变更留痕。合规性检查的输出是“合规审计报告”，用于内部质控和监管核查。
七、六维度如何协同：清洗目标不是“全绿”，而是“可解释”
六个维度之间存在张力。例如，为了完整性而强制必填，可能诱导录入人员填入“未知”或“999”，反而损害准确性；为了及时性而快速关闭质疑，可能牺牲一致性核查的深度。因此，清洗目标不是让所有检查项都变成“通过”，而是让每一条数据的状态可解释、可追溯、可审计：缺失有缺失原因，异常有核实结论，修改有审计记录。
在实际工程中，建议把六维度检查组织成一条可重复执行的管道：先做唯一性去重，再做完整性扫描，然后并行执行准确性与一致性校验，及时性作为运营监控独立运行，合规性作为贯穿所有环节的约束层。每次运行输出结构化结果表，字段至少包括：检查编号、维度、受试者编号、访视、字段、规则表达式、当前值、严重级别、状态（待处理/已关闭）、处理人、处理时间。这样，清洗过程本身也成为可审计的数据资产。
掌握六维度及其自动化检查策略后，下一步才是选择具体工具与实现方式。但无论用什么工具，判断清洗是否有效的标准始终是：面对任意一条数据，能否快速回答它属于哪个维度、命中了哪条规则、经过了什么处置、最终为什么可以进入分析集。