3. 数据质量维度与药物研发专用指标
在药物研发数据质量工程中，通用数据质量维度提供了“体检清单”，而药物研发专用指标则决定了“体检项目是否真正贴合业务风险”。通用维度回答的是数据本身是否可靠，专用指标回答的是这些可靠性是否足以支撑临床终点判定、统计分析和监管递交。两者必须结合使用，否则容易出现“数据看起来很干净，但关键终点无法溯源”的隐性风险。
一、六个通用维度在药物研发中的具体含义
准确性（Accuracy）指数据值与其所描述的真实状态一致。在药物研发中，准确性不仅要求数值正确，还要求单位、精度、有效数字与方案一致。例如收缩压记录为“120”而单位字段为空，即使数值正确，也不能判定为准确。
完整性（Completeness）指必填字段、访视、受试者、时间点是否齐全。药物研发中完整性具有层级性：一条不良事件记录完整，不代表该受试者所有访视完整；一个中心完整，不代表全试验完整。因此完整性通常按“字段级—记录级—访视级—受试者级—中心级”逐层统计。
一致性（Consistency）指同一事实在不同系统、不同表单、不同时间点之间是否一致。例如电子病例报告表（eCRF）中的出生日期与知情同意书日期矛盾，或实验室本地值与中心实验室值对同一时间点给出不同结论，都属于一致性问题。
及时性（Timeliness）指数据从产生到可用、从录入到锁库的时延是否满足预设窗口。药物研发中，及时性直接影响安全信号监测和期中分析，例如严重不良事件（SAE）要求在24小时内报告，若数据延迟超过窗口，即使内容正确也构成质量缺陷。
唯一性（Uniqueness）指同一实体在数据集中只出现一次，不重复、不歧义。药物研发中常见问题包括同一受试者在不同中心重复入组、同一不良事件被多次编码、同一实验室样本被重复上传。
有效性（Validity）指数据符合预定义格式、值域、编码标准和业务规则。例如性别字段只允许“男/女/未知”，不良事件编码必须使用MedDRA词典，若出现自由文本或过期词典版本，则有效性不通过。
二、药物研发专用关键质量指标
通用维度需要落到具体指标才能监控。以下三个指标在药物研发中具有代表性，且能直接关联监管关注点。
临床终点数据可溯源性（Traceability of Clinical Endpoint Data）：要求每一个终点数据点都能沿“受试者—访视—表单—字段—源文件—操作者—时间戳”链路回溯。可溯源率可定义为：可完整回溯到源文件的终点数据点数 ÷ 终点数据点总数 × 100%。若某终点值来自中心阅片，则还需关联阅片记录、阅片人和版本。
实验数据可重复性（Reproducibility of Experimental Data）：针对实验室和生物分析数据，要求在相同条件下重复测量或重复分析能得到一致结论。可用重复测量一致率表示：重复结果落在预设允许偏差范围内的次数 ÷ 重复测量总次数 × 100%。例如某生物分析批内精密度要求CV≤15%，若某批次CV为18%，则该批次可重复性不达标。
不良事件编码一致性（AE Coding Consistency）：要求同一原始术语在不同中心、不同编码员、不同时间点被映射到相同或可接受的首选术语（PT）和系统器官分类（SOC）。编码一致率可定义为：与标准编码词典一致且无歧义的AE记录数 ÷ AE记录总数 × 100%。若同一“头痛”被编码为“头痛”和“紧张性头痛”两个不同PT，则一致性下降。
三、指标计算与监控方法
指标计算需要明确四个要素：分子、分母、统计维度和阈值。以可溯源率为例，分母是终点数据点总数，分子是能完整回溯的数据点数，统计维度可按中心、访视、受试者分层，阈值可设为≥98%。监控时通常采用“规则引擎+看板”方式：规则引擎在数据录入或传输时实时校验，看板按日或按周聚合指标，并对低于阈值的中心或字段触发预警。
下面给出一个简化的指标计算与监控配置示例，用于说明如何把维度、指标、阈值和动作串起来。
指标名称: 临床终点数据可溯源性
分子: 可完整回溯到源文件的终点数据点数
分母: 终点数据点总数
统计维度: 中心 / 访视 / 受试者
阈值: >= 98%
预警动作: 低于阈值时通知数据管理员和监查员
计算频率: 每日增量 + 每周全量
指标名称: 实验数据可重复性
分子: 重复结果落在允许偏差范围内的次数
分母: 重复测量总次数
统计维度: 分析批 / 仪器 / 操作员
阈值: >= 95%
预警动作: 低于阈值时冻结该批次并触发偏差调查
指标名称: 不良事件编码一致性
分子: 与标准词典一致且无歧义的AE记录数
分母: AE记录总数
统计维度: 中心 / 编码员 / 词典版本
阈值: >= 99%
预警动作: 低于阈值时启动编码复核和培训
监控方法上，建议采用“三层校验”：第一层在录入端做格式和值域校验，拦截有效性错误；第二层在传输端做跨系统一致性比对，发现eCRF与实验室数据矛盾；第三层在分析端做可溯源性和可重复性审计，确保终点数据经得起核查。三层校验的指标应统一口径，避免同一问题在不同报表中重复计数或漏计。
四、指标落地时的常见陷阱
第一，分母口径不一致。例如可溯源率的分母若包含非终点数据，指标会被稀释，无法反映真实风险。第二，阈值一刀切。不同中心、不同访视的基线风险不同，建议按中心分层设定阈值，或对高风险中心加严。第三，只监控不闭环。指标低于阈值后若没有偏差调查、根因分析和纠正预防措施，监控就退化为报表。第四，忽略词典版本。MedDRA等词典每年更新，若编码一致性未绑定词典版本，跨版本比较会失真。
综上，通用维度是药物研发数据质量的“基础体检”，专用指标是“专项检查”，计算与监控则是“持续监测”。三者结合，才能把数据质量从抽象概念转化为可量化、可预警、可改进的工程能力。