内容解读
“基线、治疗后、随访期”是临床语言；数据库需要知道准确日期、目标访视、允许窗口和超窗处理规则。
在IIT临床研究中，“基线、治疗后、随访期”是临床语言；数据库需要知道准确日期、目标访视、允许窗口和超窗处理规则。 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
常见设计只设置“第1次、第2次、第3次随访”，却不记录计划日期、实际日期和访视状态；或者把所有检查塞进固定页面，未考虑漏访、提前终止、计划外访视和远程随访。
本讲核心结论
访视数据结构必须同时反映计划与实际：既能说明本应发生什么，也能记录实际发生了什么，并支持对缺失、超窗和异常路径的解释。
问题为什么发生
第一，同一名称的访视可能在不同受试者身上对应不同日历日期。第二，终点解释通常依赖相对基线或治疗起点的时间。第三，漏访、提前退出和计划外检查是临床研究中的正常情形，必须可被结构化记录。
一个典型场景
某研究仅设置“3个月随访”页面，没有记录实际访视日期。部分受试者在2个月、部分在5个月完成检查，数据库却把数据视为同一时间点，导致疗效变化比较产生偏差。
四步改进路径
更可执行的改进路径可以分为四步。第1，定义每个访视的锚点、目标日期和允许时间窗；第2，分别记录访视计划、实际日期、完成状态和未完成原因；第3，为计划外访视、提前终止和失访建立独立路径；第4，配置时间顺序、窗口和跨访视一致性检查。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。
- ✓每个访视是否有明确锚点、目标日和允许窗口？已满足 / 待改进
- ✓是否分别记录计划访视与实际发生情况？已满足 / 待改进
- ✓漏访、超窗、计划外访视和提前终止是否有处理路径？已满足 / 待改进
- ✓数据库是否能够判断时间顺序和访视归属？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 →