1. 临床试验DHT远程数据采集工程导论

在传统临床试验中，受试者的关键疗效与安全性数据大多依赖现场访视、纸质日志或人工录入电子数据采集系统（EDC）。这种模式存在访视间隔长、回忆偏倚、数据滞后、依从性难以量化等问题。数字健康技术（Digital Health Technology，DHT）的引入，使临床试验的数据采集从"离散的现场快照"转向"连续的远程观测"。本节从DHT的定义出发，说明远程数据采集在临床试验中的价值，并从工程化视角梳理核心挑战与整体架构。

一、DHT的定义与边界

DHT是指用于测量、记录、传输或分析人体健康状态、生理参数、行为与功能表现的数字技术产品，通常包括可穿戴传感器、移动应用、手持或植入式设备、以及配套的数据平台。在临床试验语境下，DHT并非泛指所有数字化工具，而是特指那些能够产生可溯源、可验证、可用于监管决策的临床终点或安全性数据的系统。

需要区分三个容易混淆的概念：DHT设备（如腕式加速度计、连续血糖监测仪）、DHT数据采集系统（设备+传输+平台）、以及DHT衍生终点（如由加速度计导出的"日均步数""夜间活动比例"）。工程上，设备只是信号源，真正决定数据可用性的是采集链路与终点定义的一致性。

二、远程数据采集在临床试验中的价值

远程数据采集的价值可归纳为四个维度。第一，提高数据密度与真实性：连续监测可捕捉访视间期的波动，减少回忆偏倚。第二，降低受试者与中心负担：减少往返访视次数，对行动受限或偏远地区人群尤为重要。第三，支持新型终点：如睡眠效率、步态稳定性、心率变异性等，这些指标在传统访视中难以稳定获取。第四，提升试验运营效率：数据自动上传与集中管理可缩短数据清理周期，便于早期发现异常。

但价值并非自动实现。若设备佩戴率低、数据缺失严重、时间戳错乱，远程采集反而会引入新的偏倚。因此，工程化视角的核心不是"能不能采"，而是"采得是否可靠、可解释、可审计"。

三、工程化视角下的核心挑战

从工程实现看，DHT远程数据采集面临五类挑战：

• 信号质量与伪影：运动伪影、脱落、接触不良会导致数据段不可用，需要质量标记与过滤策略。
• 时间同步与事件对齐：设备时钟漂移、时区差异、服药/访视事件与信号的对齐，直接影响终点计算。
• 数据完整性与缺失机制：缺失可能随机，也可能与病情相关，需区分并记录缺失原因。
• 合规与隐私：数据需满足GCP、21 CFR Part 11、GDPR等要求，涉及审计追踪、访问控制与加密传输。
• 可扩展性与互操作性：多中心、多设备、多版本固件并存，要求统一的数据模型与接口规范。

这些挑战决定了DHT工程不能只做"设备选型"，而必须建立从传感器到统计分析的端到端链路。

四、整体架构：从传感器到终点

一个可落地的DHT远程数据采集系统通常分为五层：感知层（传感器与固件）、传输层（蓝牙/BLE、蜂窝、Wi-Fi）、接入与存储层（网关、云平台、原始数据湖）、处理层（质量评估、特征提取、终点计算）、应用与合规层（EDC/eCOA集成、审计追踪、监查看板）。下图给出该架构与关键数据流。

该架构的关键在于：每一层都要为上一层提供可验证的输入。感知层输出原始信号与设备时间；传输层保证完整性与加密；存储层保留原始数据与审计日志；处理层输出可复现的终点；应用层完成合规交付。任何一层缺失质量控制，都会使最终终点失去监管可信度。

五、一个最小可用的工程示例

假设某帕金森病试验使用腕式加速度计采集日均步数作为次要终点。工程上需要明确：采样率（如50 Hz）、佩戴要求（每日≥10小时）、有效日定义（≥8小时有效数据）、缺失处理规则（连续缺失≥3天标记为不依从）。设备每5分钟通过BLE将数据同步至受试者手机App，App在Wi-Fi环境下上传至云平台。平台按受试者-设备-日期生成质量报告，并将有效日步数写入EDC。若某受试者连续两天有效佩戴不足6小时，系统自动触发提醒并记录为方案偏离。这一示例说明：DHT工程的核心不是设备本身，而是围绕终点定义建立的一套可执行、可审计的数据规则。

综上，DHT远程数据采集为临床试验带来了连续、真实、高效的数据能力，但也把工程复杂度从"现场录入"转移到了"端到端链路治理"。理解感知、传输、存储、处理、应用五层架构及其控制点，是后续各章展开设备选型、数据质量、合规实现与终点计算的基础。