← 返回课程总览

LECTURE 29 · 数据采集与质量控制

实验室数据如何做到统一、可解释和可分析?

适合人群:医院、主要研究者(PI)、临床研究团队、数据管理人员中国法规校准版
本讲导读实验室数据不只是一个结果值。正确解释还依赖检测项目、样本、日期时间、原始单位、参考范围、检测机构和必要的方法信息。

内容解读

实验室数据不只是一个结果值。正确解释还依赖检测项目、样本、日期时间、原始单位、参考范围、检测机构和必要的方法信息。

在IIT临床研究中,实验室数据不只是一个结果值。正确解释还依赖检测项目、样本、日期时间、原始单位、参考范围、检测机构和必要的方法信息。 这不仅是日常操作安排,更直接影响数据能否及时发现问题、支持研究决策并在分析时保持可信。

问题不在表面

常见设计只收集数值,不收集单位和参考范围;或者把“正常/异常”当作结果本身。多中心研究中,不同实验室名称、单位、下限和上限混在一起,后期无法可靠比较或判断异常。

本讲核心结论

实验室数据应优先保留原始结果、原始单位和当时适用的参考范围,再依据预先验证的规则产生标准值和标准单位。对于文本型、定性型、低于检测限或高于检测限的结果,应设计相应结构,而不是强行转为普通数值。

问题为什么发生

第一,参考范围会因实验室、检测方法、人群和时间变化。第二,单位转换需要知道原始单位和明确换算关系。第三,“<5”“阴性”“未检出”等结果不能用单一数值字段完整表达。

一个典型场景

多中心项目将血糖结果统一录入一个数值字段,部分中心使用mmol/L,部分使用mg/dL,却没有单位变量。系统的范围检查误把大量真实结果标记为异常,统计人员也无法安全转换。

四步改进路径

更可执行的改进路径可以分为四步。第1,建立项目检验目录和中心实验室映射表;第2,采集结果、单位、参考范围、检测日期时间和实验室标识;第3,验证单位换算、标准化、异常标志及特殊结果处理规则;第4,定期核对新增项目、范围变更、重复检测和极端值。核心不是增加程序或文件数量,而是让问题被及时识别、由正确角色处理,并留下完整、可复核的证据链。

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。

  • 实验室结果是否同时保留原始值、原始单位和参考范围?已满足 / 待改进
  • 中心、检测项目、样本和检测时间是否可以准确识别?已满足 / 待改进
  • 单位转换和标准化规则是否经过验证并可追溯?已满足 / 待改进
  • 定性结果、检测限结果和参考范围变更是否有明确处理?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 →