2. 数字疗法临床证据的数据来源与采集

数字疗法（Digital Therapeutics, DTx）的临床证据不是单一来源的产物，而是由多源异构数据在统一协议下汇聚、对齐、质控后形成的证据链。理解每一类数据源“能回答什么问题、不能回答什么问题”，是设计采集方案的前提。本节围绕真实世界数据（RWD）、电子健康记录（EHR）、可穿戴设备、患者报告结局（PRO）与移动应用日志五类来源，讨论其结构特征、采集要点与协议设计方法。

五类数据源的能力边界

真实世界数据指在常规诊疗与日常生活环境中产生的数据，包括医保理赔、登记注册、药房记录、院外随访等。它的优势是外部效度高、样本量大、随访时间长，适合评估真实人群中的依从性、持续使用率与长期结局；局限在于混杂因素多、缺失机制复杂、暴露定义依赖推断。EHR 是院内结构化程度最高的来源，包含诊断编码、检验结果、用药医嘱、生命体征与病程记录，时间戳精确到分钟，适合做基线特征刻画与临床终点提取；但不同机构的编码体系、字段命名与单位不统一，且大量关键信息藏在自由文本中。

可穿戴设备提供高频、连续、被动采集的生理与行为信号，如心率、心率变异性、睡眠分期、步数、活动强度。其价值在于捕捉干预前后的动态变化曲线，而非单点测量；挑战在于采样频率高、噪声大、佩戴依从性随时间衰减，且不同厂商的算法黑箱会导致同一生理量在不同设备上不可比。患者报告结局直接反映症状负担、功能状态与生活质量，是主观体验的唯一可靠来源，但受回忆偏倚、社会期望偏倚影响，需要规范的量表与采集时点。移动应用日志记录用户与数字疗法的交互行为，如登录、模块完成、练习时长、推送响应，是评估“剂量—反应”关系与依从性的核心数据，但日志字段设计必须在产品开发早期就与临床假设对齐，否则事后无法补采。

采集协议设计的核心要素

多源数据汇聚的最大风险不是数据量不足，而是“看起来对不齐”。协议设计要解决四件事：标识、时间、语义与质量。

统一受试者标识。每个受试者需要一个与研究编号绑定的主键，EHR 中的病案号、可穿戴设备序列号、App 账号、PRO 问卷编号都映射到该主键。映射表单独加密存储，分析数据集中只保留研究编号，避免直接标识符泄露。若受试者中途更换设备或重装 App，映射关系必须支持一对多并记录生效时间段。

时间基准与采样频率。所有来源的时间戳应统一到同一时区并记录采集时区偏移。可穿戴设备常以 UTC 存储，EHR 用本地时间，PRO 可能只记录日期。协议需规定：以受试者本地时间为分析基准，同时保留原始时间戳。采样频率按临床假设设定——例如评估睡眠干预，可穿戴设备夜间心率取 1 分钟均值、睡眠分期取 30 秒 epoch；PRO 用每日晨起与睡前两次；App 日志记录每次会话的开始与结束。频率过高会增加噪声与存储成本，过低会丢失关键动态。

字段字典与单位。同一生理量在不同设备上单位不同（如心率 bpm 与 Hz、步数与活动计数）。协议应给出字段名、类型、单位、允许范围、缺失编码与派生规则。例如定义 hr_rest_bpm 为静息心率，单位 bpm，有效范围 30–220，缺失记为 NA，由夜间连续心率中剔除活动时段后取中位数派生。派生规则必须版本化，任何修改都记录变更原因与生效日期。

缺失与异常处理。缺失分三类：设备未佩戴、受试者未作答、系统传输失败。协议应分别定义处理策略：未佩戴时段标记为 non_wear 并从依从性分母中剔除；未作答保留为缺失并记录提醒次数；传输失败触发重传并记录重传次数。异常值不直接删除，先标记为 suspect，由数据管理员结合上下文判断，保留原始值与处理标记。

一个可执行的采集协议片段

以下示例展示某睡眠数字疗法研究中，可穿戴设备与 PRO 的采集协议字段定义（示例参数，非实测结果）：

source: wearable_ring_v2
subject_key: study_id
time_base: subject_local_time (UTC offset recorded)
streams:
  - name: hr_rest_bpm
    freq: 1min
    unit: bpm
    valid_range: [30, 220]
    missing_code: NA
    derive: median(hr where activity_level == rest)
  - name: sleep_stage
    freq: 30s
    unit: category
    categories: [wake, light, deep, rem]
    missing_code: non_wear
  - name: wear_time_min
    freq: daily
    unit: min
    valid_range: [0, 1440]

source: pro_daily
subject_key: study_id
schedule: [morning_07:00, evening_21:00]
instruments:
  - name: ISI
    items: 7
    scale: 0-4
    window: 7d
  - name: sleep_diary
    items: [bedtime, wake_time, latency_min, awakenings]
missing_policy: keep_NA, log_reminder_count

协议落地后，采集系统应能自动校验：时间戳是否落在受试者入组与出组之间、单位是否与字典一致、缺失编码是否被正确识别、派生字段是否可复现。校验失败的数据进入隔离区，不进入分析数据集，并生成核查清单供人工复核。

多源对齐后的证据价值

当五类数据在统一协议下对齐后，可以回答单源无法回答的问题。例如：将 App 日志中的练习完成次数作为干预剂量，与可穿戴设备夜间睡眠效率的变化曲线对齐，可估计“剂量—反应”关系；将 PRO 的失眠严重程度指数变化与 EHR 中的镇静催眠药处方记录对齐，可观察干预是否伴随用药减少；将 RWD 中的持续使用率与可穿戴设备的佩戴依从性对齐，可判断真实世界中脱落的主要环节。这些分析的前提，是每一类数据在采集时就有明确的字段定义、时间基准与质量标记，而不是事后拼接。

采集协议不是一次性文档，而是随研究进展迭代的活文档。每次方案修订、设备更换或量表版本更新，都应同步更新协议版本、字段字典与校验规则，并在分析数据集中保留版本标识，使证据链的每一步都可追溯、可复现。