内容解读
年龄、基线、变化值、量表总分、访视归窗和终点事件常常不是直接录入值，而是由多个原始变量按规则派生；规则不统一，结果就不会统一。
在IIT临床研究中，年龄、基线、变化值、量表总分、访视归窗和终点事件常常不是直接录入值，而是由多个原始变量按规则派生；规则不统一，结果就不会统一。 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
一些项目在EDC、Excel和统计程序中分别计算同一指标，公式、舍入、缺失处理和基线选择却不一致。结果是页面显示值、数据清理值和最终分析值彼此冲突，团队只能在报告阶段逐个解释。
本讲核心结论
每个重要派生变量都应有唯一或清楚分层的规范，说明输入变量、来源、时间窗、顺序、公式、单位、精度、缺失与边界处理以及版本。用于录入提示的操作性计算与用于正式推断的统计派生可以不同，但必须明确用途和关系。
问题为什么发生
第一，简单公式也隐藏日期取整、舍入顺序和重复测量选择。第二，量表和复合终点常有最低答题数或替代规则。第三，规则散落在系统配置、统计代码和个人工作表中，会导致修改无法同步。
某项目的年龄在EDC中按入组日计算，统计程序按随机日计算；对只记录出生年月的受试者，两处采用的补日期规则也不同。最终基线年龄分层出现数例不一致，并影响亚组人数。
四步改进路径
更可执行的改进路径可以分为四步。第1，建立关键派生变量清单并指定正式用途和责任角色；第2，编写包含输入、算法、精度、缺失和边界处理的派生规范；第3，用典型、异常和边界测试病例验证不同系统中的计算；第4，对规则变更实施版本控制并评估所有受影响数据集和输出。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。
- ✓关键派生变量是否都有书面、版本化且可执行的算法？已满足 / 待改进
- ✓基线、时间窗、重复测量、缺失和舍入规则是否明确？已满足 / 待改进
- ✓EDC显示计算与统计分析派生的用途和差异是否被说明？已满足 / 待改进
- ✓规则是否通过边界案例验证并能追溯到原始输入变量？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 →