内容解读
研究问题写得清楚，不代表数据路径已经清楚。真正可执行的研究，需要把科学问题逐层转化为终点、变量、来源、采集方式和质量规则。
在IIT临床研究中，研究问题写得清楚，不代表数据路径已经清楚。真正可执行的研究，需要把科学问题逐层转化为终点、变量、来源、采集方式和质量规则。 这不是单纯的建表技巧，而是把研究设计、临床执行、数据质量和统计分析连接起来的关键环节。
问题不在表面
最常见的做法是方案通过后立即制作CRF或建设EDC，却没有先梳理“研究问题—研究终点—分析方法—数据变量”的对应关系。结果往往是采集了大量临床信息，却缺少真正回答研究问题的关键数据。
本讲核心结论
数据管理的起点不是字段，而是研究问题。只有形成从研究假设到最终分析的完整链路，采集的数据才具有科学意义和可分析性。
问题为什么发生
第一，研究问题通常以医学语言表达，而数据库需要结构化、可计算的数据定义。第二，同一个终点可能依赖多个时间点、多个来源或衍生变量。第三，如果统计方法没有提前参与，数据结构可能无法支持预定比较、调整或分层分析。
某研究拟评价治疗后功能改善，方案中只写“比较治疗前后功能状态”，CRF却仅设置一个笼统的“是否改善”。统计阶段才发现缺少量表原始条目、评估日期、基线值及允许时间窗，既无法计算变化量，也无法判断数据是否属于规定访视。
四步改进路径
更可执行的改进路径可以分为四步。第1，明确研究假设、主要研究问题和目标人群；第2，将每个研究问题对应到主要、次要及探索性终点；第3，为每个终点列出所需原始变量、衍生规则、时间点与数据来源；第4，用模拟受试者数据验证终点能否计算，并形成可追溯映射表。核心不是增加文件数量，而是让研究问题、数据定义、执行流程和最终分析始终保持一致。
项目自查清单
判断提示：若其中两项以上无法明确回答，说明项目仍存在需要优先处理的数据管理风险。
- ✓主要研究问题是否已经对应到明确的研究终点？已满足 / 待改进
- ✓每个关键终点是否列明计算所需的原始变量？已满足 / 待改进
- ✓变量的数据来源、采集时间点和责任人是否清楚？已满足 / 待改进
- ✓是否用模拟数据验证过预定分析可以实现？已满足 / 待改进
NEED SUPPORT?
把这份清单用于您的真实项目
我们可协助完成方案数据审阅、CRF设计、EDC建库、质量管理与数据资产沉淀。
预约项目诊断 →