内容解读
从采集数据到全分析集、符合方案集和安全集，每一次纳入、排除与转换都应有预定规则和可回溯依据。
在IIT临床研究中，从采集数据到全分析集、符合方案集和安全集，每一次纳入、排除与转换都应有预定规则和可回溯依据。 这不仅是研究结束阶段的技术安排，也决定数据状态能否被准确理解、分析过程能否被复核，以及最终结论是否经得起追溯。
问题不在表面
常见做法是统计人员在收到数据后，根据经验用代码临时筛选分析人群，排除原因只存在程序条件中；或者把“完成研究”“按方案治疗”和“有主要终点”混为同一个标准，导致不同表格使用不同人数。
本讲核心结论
分析人群应依据方案和统计分析计划定义，并通过结构化的受试者处置、随机化、治疗暴露、终点可用性和重要偏离数据形成判定。必要的医学或方案判断应在盲态审阅中记录，最终数据集应能追溯到原始采集变量、外部来源及判定清单。
问题为什么发生
第一，分析集定义体现研究要回答的问题，并非简单的数据完整者集合。第二，一名受试者可能符合一个分析集但不符合另一个。第三，若排除决定只保留在程序中，PI无法审阅，复核人员也无法理解临床理由。
某研究的主要结果表纳入98例，安全性表纳入101例，受试者流程图却写100例。核查发现三份输出分别使用了不同的手工名单，且没有统一的分析集判定表和版本。
四步改进路径
更可执行的改进路径可以分为四步。第1，在方案和统计分析计划中定义各分析人群及判定优先级；第2，把判定所需的随机、治疗、终点和偏离信息结构化；第3，在适当的盲态流程中确认需要人工判断的边界病例；第4，生成版本化分析集标志、排除原因及从源数据到结果的追溯关系。核心是让每个决策对应明确的数据版本、责任角色和证据记录，使数据从清理完成到分析与归档保持连续可追溯。
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。
- ✓各分析人群的纳入和排除规则是否在分析前明确？已满足 / 待改进
- ✓判定是否基于结构化数据和统一的重要偏离规则？已满足 / 待改进
- ✓需要人工判断的病例是否有盲态审阅、理由和批准记录？已满足 / 待改进
- ✓不同分析输出中的人数是否能回到同一版分析集标志和受试者清单？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 →