内容解读
空白本身没有含义。只有区分未发生、未检查、未知、拒绝、失访、不适用和技术失败，缺失数据才可能被正确解释和分析。
在IIT临床研究中，空白本身没有含义。只有区分未发生、未检查、未知、拒绝、失访、不适用和技术失败，缺失数据才可能被正确解释和分析。 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
一些项目把所有缺失都留空，或用0、999、NA混在数据字段中表示不同情况。系统看似完成率很高，实际无法判断是真实零值、未采集，还是项目流程没有执行。
本讲核心结论
缺失管理应从CRF设计开始：为不同缺失情形提供受控原因，保留应采集与实际采集的关系，并对关键数据缺失建立及时追问、升级和影响评估。不能为了“补齐”而推测或编造数值。
问题为什么发生
第一，不同缺失机制会影响统计方法和结果解释。第二，关键终点缺失可能反映失访、执行困难或受试者风险。第三，若缺失原因只记录在自由文本或聊天记录中，统计数据集无法系统使用。
一个典型场景
某研究中量表总分为空，有的受试者未到访，有的只漏答一个条目，有的因病情无法完成。数据库只保留空白，统计时无法判断是否可以按量表规则计算，也无法区分失访与部分缺项。
四步改进路径
更可执行的改进路径可以分为四步。第1，定义项目级缺失、未知、不适用和未实施的受控原因；第2，在访视、表单和字段层面记录应发生状态与实际状态；第3，对关键数据缺失及时发起澄清并追踪补充可能性；第4，定期分析缺失率、原因分布、中心差异和对终点的影响。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。
- ✓数据库是否能够区分主要缺失原因，而不是只保留空白？已满足 / 待改进
- ✓是否禁止用真实可能取值代替缺失编码？已满足 / 待改进
- ✓关键终点和安全数据缺失是否有及时追踪与升级？已满足 / 待改进
- ✓是否定期评估缺失模式、中心差异及分析影响？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 →