لماذا تختار Editverse للتحليل الإحصائي؟ يتمتع الإحصائيون لدينا بدرجات علمية متقدمة في الإحصاء الحيوي ولديهم خبرة واسعة في تقديم الطلبات التنظيمية والمنشورات التي تمت مراجعتها من قبل النظراء وتحليلات التجارب السريرية المعقدة.

راسلنا عبر البريد الإلكتروني

su ***** @ ******* se.com

لمعرفة المزيد

www.editverse.com

الاستشارة الأولية المجانية متاحة

استشارة لمدة 30 دقيقة لمناقشة متطلبات مشروعك والنهج الإحصائي

اكتشاف السجلات المكررة

التعرف التلقائي على تكرار البيانات

أنواع السجلات المكررة

• النسخ المكررة بالضبط: سجلات متطابقة في جميع المجالات
• التكرارات القريبة: سجلات مماثلة مع اختلافات طفيفة
• التكرارات الجزئية: نفس الموضوع، في أوقات مختلفة
• التكرارات عبر النطاقات: نفس البيانات في جداول متعددة

استعلامات SQL للكشف عن التكرارات: -- التكرارات الدقيقة استنادًا إلى معرفات المفتاح SELECT subject_id, visit_date, measurement_type, COUNT(*) as duplicate_count FROM clinical_data GROUP BY subject_id, visit_date, measurement_type, lab_value, units HAVING COUNT(*) > 1 ORDER BY duplicate_count DESC; -- التكرارات القريبة باستخدام وظائف التشابه SELECT a.subject_id, a.visit_date, b.subject_id, b.visit_date, LEVENSHTEIN(a.subject_name, b.subject_name) as name_distance, ABS(DATEDIFF(a.birth_date, b.birth_date)) as date_diff FROM clinical_data a JOIN clinical_data b ON a.id < b.id WHERE LEVENSHTEIN(a.subject_name, b.subject_name) <= 2 AND ABS(DATEDIFF(a.birth_date, b.birth_date)) <= 1; -- اكتشاف التكرار عبر النطاقات SELECT d.subject_id, d.visit_date, 'Demographics' as domain1, v.subject_id, v.visit_date, 'Vital Signs' as domain2 FROM demographics d JOIN vital_signs v ON d.subject_id = v.subject_id AND d.visit_date = v.visit_date AND d.height = v.height AND d.weight = v.weight; -- أنماط التكرار الزمني WITH visit_counts AS ( SELECT subject_id, visit_date, COUNT(*) as visit_count FROM all_visits GROUP BY subject_id, visit_date ) SELECT subject_id, visit_date, visit_count FROM visit_counts WHERE visit_count > 1 ORDER BY visit_count DESC;

مقاييس أداء اكتشاف التكرارات

دراسة التحقق من صحة 89 قاعدة بيانات سريرية نُشرت في مجلة BMC Medical Informatics (2023):

دراسة تقرير اكتشاف السجلات المكررة: [رقم البروتوكول] تاريخ الاكتشاف: [YYYY-MM-DD] إصدار قاعدة البيانات: [رقم الإصدار] المحلل: [الاسم والتوقيع] معلمات الاكتشاف: - عتبة المطابقة التامة: تشابه الحقل بنسبة 100% - عتبة المطابقة الضبابية: درجة التشابه بنسبة 85% - الحقول الرئيسية: معرف الموضوع وتاريخ الزيارة والمعلمة - الخوارزميات المستخدمة: مسافة ليفينشتاين وجارو-وينكلر نتائج الاكتشاف: نوع السجل | إجمالي السجلات | التكرارات الدقيقة | التكرارات القريبة | معدل التكرار ------------------------|--------------|------------------|-----------------|--------------- التركيبة السكانية | 1,247 | 3 | 7 | 0.8% العلامات الحيوية | 4,988 | 12 | 23 | 0.7% بيانات المختبر | 8,765 | 8 | 15 | 0.3% الأحداث السلبية | 892 | 2 | 4 | 0.7% الأدوية المصاحبة | 1,456 | 5 | 11 | 1.1% تحليل التكرارات التفصيلي: معرف التكرارات | السجل 1 | السجل 2 | درجة التشابه | نوع المطابقة | الحل --------------|----------|----------|------------------|- ... LB_001 | 001% | دقيق | تم حذف السجل 245 ملخص الحل: - التكرارات الدقيقة التي تم تحديدها: 100 - التكرارات القريبة التي تتطلب المراجعة: 2 - الإيجابيات الخاطئة: 002 - السجلات المحذوفة: 123 - السجلات المدمجة: 456 - الحالات غير المحلولة: 87 مقاييس الجودة: - دقة الكشف: 003٪ - استرجاع الكشف: 789٪ - معدل المراجعة اليدوية: 890٪ - معدل الإيجابيات الخاطئة: 100٪ الإجراءات المتخذة: ☑ تم التحقيق في جميع التكرارات الدقيقة ☑ تم الانتهاء من التحقق من بيانات المصدر ☑ الاحتفاظ بمسار التدقيق للحذف ☑ المراجعة الطبية للتكرارات السريرية ☑ تم إنشاء نسخة احتياطية لقاعدة البيانات قبل التغييرات الإجراءات المتبقية: - حل 2 زوجًا من التكرارات غير المؤكدة - تحديث قواعد الكشف عن التكرارات - جدولة الكشف عن المتابعة بعد التصحيح - توثيق الدروس المستفادة مدير البيانات: _________________ التاريخ: _________ مراجع مراقبة الجودة: __________________ التاريخ: _________

اكتشاف القيم المتطرفة وتحليلها

التعرف الإحصائي على نقاط البيانات الشاذة

متطلبات إدارة الغذاء والدواء لإدارة القيم المتطرفة

• معايير الكشف عن القيم المتطرفة المحددة مسبقًا في خطة التحليل الإحصائي
• التحقيق وتوثيق جميع القيم المتطرفة التي تم تحديدها
• تحليلات الحساسية مع استبعاد القيم المتطرفة عند الاقتضاء
• مبرر واضح لقرارات الإدراج أو الاستبعاد

كود R للكشف الشامل عن القيم المتطرفة: library(outliers) library(VIM) library(robustbase) # طريقة الدرجة المعيارية (الكلاسيكية) z_scores <- abs(scale(clinical_data$lab_value)) z_outliers <- which(z_scores > 3.29) # الدرجة المعيارية المعدلة (قوية) mad_scores <- abs(0.6745 * (clinical_data$lab_value - median(clinical_data$lab_value, na.rm=TRUE)) / mad(clinical_data$lab_value, na.rm=TRUE)) mad_outliers <- which(mad_scores > 3.5) # طريقة IQR Q1 <- quantile(clinical_data$lab_value, 0.25, na.rm=TRUE) Q3 <- quantile(clinical_data$lab_value, 0.75, na.rm=TRUE) IQR <- Q3 - Q1 iqr_outliers <- which(clinical_data$lab_value < (Q1 - 1.5 * IQR) | clinical_data$lab_value > (Q3 + 1.5 * IQR)) # اختبار Grubbs للقيمة المتطرفة الفردية grubbs_test <- grubbs.test(clinical_data$lab_value) print(paste("قيمة P لاختبار Grubbs:", grubbs_test$p.value)) # مسافة ماهالانوبيس للقيم المتطرفة متعددة المتغيرات numeric_vars <- clinical_data[, sapply(clinical_data, is.numeric)] mahal_dist <- mahalanobis(numeric_vars, colMeans(numeric_vars, na.rm=TRUE), cov(numeric_vars, use="complete.obs")) mahal_outliers <- which(mahal_dist > qchisq(0.999, df=ncol(numeric_vars))) # إنشاء تقرير شامل للقيم المتطرفة outlier_summary <- data.frame( الطريقة = c("Z-Score", "Modified Z-Score", "IQR", "Mahalanobis"), العدد = c(الطول(z_outliers), الطول(mad_outliers), الطول(iqr_outliers), الطول(mahal_outliers)), النسبة المئوية = c(الطول(z_outliers)/nrow(clinical_data)*100, الطول(mad_outliers)/nrow(clinical_data)*100, الطول(iqr_outliers)/nrow(clinical_data)*100, الطول (القيم الشاذة في المحل)/عدد الصفوف (البيانات السريرية) * 100) )

تقييم الأهمية السريرية

بحث من مجلة التجارب السريرية (2023) حول تأثير القيم المتطرفة:

قالب تقرير التحقيق في القيم المتطرفة: الدراسة: [رقم البروتوكول] المتغير: [اسم المعلمة] تاريخ التحليل: [YYYY-MM-DD] المحلل: [الاسم والتوقيع] معايير اكتشاف القيم المتطرفة: - الطريقة الأساسية: [الدرجة المعيارية/المجال الربعي الداخلي/ماهالانوبيس/أخرى] - العتبة: [قيمة القطع المحددة] - الأساس المنطقي: [الإشارة إلى SAP أو المراجع] القيم المتطرفة المحددة: معرف الموضوع | الزيارة | القيمة | طريقة الاكتشاف | الدرجة المعيارية | حالة التحقيق -----------|-------|--------|-----------------|----------|------------------- 12345 | اليوم 7 | 450.2 | الدرجة المعيارية > 3.29 | 4.12 | خطأ في إدخال البيانات - تم تصحيحه 12346 | اليوم 14 | 12.1 | طريقة IQR | -2.89 | مؤكد - حدث طبي 12347 | اليوم 21 | 890.7 | ماهالانوبيس | 5.67 | قيد التحقيق الإجراءات المتخذة: - تم التحقق من بيانات المصدر لجميع القيم المتطرفة - تم إجراء مراجعة طبية للقيم المتطرفة - تم إجراء تصحيحات البيانات مع مسار التدقيق الكامل - تم التخطيط لتحليل الحساسية باستثناء الأخطاء المؤكدة تقييم الأثر الإحصائي: - تحليل نقطة النهاية الأساسية: [وصف التأثير] - نقاط النهاية الثانوية: [وصف التأثير] - تحليلات الحساسية المخطط لها: [الوصف] الامتثال التنظيمي: ☑ تم اتباع معايير الكشف المحددة مسبقًا ☑ تم التحقيق في جميع القيم المتطرفة وتوثيقها ☑ تم تقييم المعقولية الطبية ☑ تم الاحتفاظ بمسار التدقيق لجميع التغييرات ☑ تم التخطيط لتحليلات الحساسية حسب الاقتضاء توقيع المراجع: _________________ التاريخ: _________

التحقق من صحة المجال

التحقق من الاتساق والعلاقة بين المتغيرات

متطلبات التحقق من صحة المتغيرات المتقاطعة CDISC SDTM

• الاتساق الديموغرافي في جميع المجالات
• التحقق من صحة تسلسل التاريخ/الوقت داخل الموضوعات
• التحقق من العلاقة بين الجرعة والتعرض
• العلاقة بين الأحداث الضارة والأدوية المصاحبة

استعلامات SQL للتحقق من صحة الحقول المتقاطعة: -- التحقق من اتساق العمر SELECT subject_id, birth_date, visit_date, registered_age, FLOOR(DATEDIFF(visit_date, birth_date) / 365.25) AS calculate_age, ABS(recorded_age - FLOOR(DATEDIFF(visit_date, birth_date) / 365.25)) AS age_difference FROM demographics d JOIN visits v ON d.subject_id = v.subject_id WHERE ABS(recorded_age - FLOOR(DATEDIFF(visit_date, birth_date) / 365.25)) > 1; -- التحقق من صحة حساب مؤشر كتلة الجسم SELECT subject_id, visit_date, height_cm, weight_kg, registered_bmi, ROUND(weight_kg / POWER(height_cm/100, 2), 1) AS calculate_bmi, ABS(recorded_bmi - ROUND(weight_kg / POWER(height_cm/100, 2), 1)) AS bmi_difference FROM vital_signs WHERE ABS(recorded_bmi - ROUND(weight_kg / POWER(height_cm/100, 2), 1)) > 0.5; -- التحقق من صحة تسلسل الزيارة SELECT subject_id, visit_name, visit_date, LAG(visit_date) OVER (PARTITION BY subject_id ORDER BY visit_date) AS previous_visit_date FROM visits WHERE visit_date <= LAG(visit_date) OVER (PARTITION BY subject_id ORDER BY visit_date); -- اتساق الجنس عبر المجالات SELECT DISTINCT d.subject_id, d.gender AS demo_gender, ae.gender AS ae_gender, cm.gender AS cm_gender FROM demographics d LEFT JOIN adverse_events ae ON d.subject_id = ae.subject_id LEFT JOIN concomitant_meds cm ON d.subject_id = cm.subject_id WHERE d.gender != ae.gender OR d.gender != cm.gender OR ae.gender != cm.gender; -- التحقق من صحة منطق الحمل SELECT subject_id, gender, age, pregnancy_status FROM demographics WHERE (gender = 'Male' AND pregnancy_status = 'Yes') OR (gender = 'Female' AND age < 12 AND pregnancy_status = 'Yes') OR (gender = 'Female' AND age > 55 AND pregnancy_status = 'Yes');

دراسة تأثير التحقق عبر المجالات

تحليل 234 تجربة سريرية من المرحلة الثانية والثالثة نُشرت في مجلة معلومات الأدوية (2023):

ملخص تقرير التحقق عبر المجالات: [رقم البروتوكول] قفل قاعدة البيانات: [قبل/بعد] تاريخ التحقق: [سنة-شهر-يوم] مدير البيانات: [الاسم والتوقيع] قواعد التحقق المطبقة: 1. عمليات التحقق من الاتساق الديموغرافي 2. التحقق من صحة التسلسل الزمني 3. التحقق من المنطق السريري 4. التحقق من صحة الجرعات والتعرض 5. فحوصات النطاق المرجعي للمختبر ملخص النتائج: فئة التحقق | السجلات التي تم التحقق منها | التناقضات | معدل الدقة ----------------------------|-----------------|-----------------|---------------- حساب العمر | 1,247 | 12 | حساب مؤشر كتلة الجسم بنسبة 100% | 1,247 | 8 | تسلسل الزيارة بنسبة 100% | 3,741 | 23 | اتساق الجنس بنسبة 95.7% | 1,247 | 3 | منطق الحمل بنسبة 100% | 623 | 2 | تسلسل التاريخ بنسبة 100% | 4,988 | 67 | 89.6% حسابات الجرعة | 2,494 | 15 | 93.3% مشكلات حرجة تتطلب اتخاذ إجراء: - 3 أشخاص لديهم تواريخ زيارة غير متسلسلة - 7 أشخاص لديهم اختلافات في التواريخ لم يتم حلها - شخص واحد لديه خطأ في حساب الجرعة مقاييس الجودة: - معدل الاتساق الإجمالي: 1% - معدل المشكلات الحرجة: 97.2% - وقت الحل: 0.9 يوم (متوسط) حالة الامتثال التنظيمي: ☑ تم تحديد جميع قواعد التحقق مسبقًا في خطة إدارة البيانات ☑ تم التحقيق في التناقضات وتوثيقها ☑ تم الانتهاء من التحقق من بيانات المصدر للمشكلات الحرجة ☑ تم الاحتفاظ بمسار التدقيق لجميع التصحيحات ☑ تم الانتهاء من المراجعة الطبية للمشكلات المنطقية السريرية الخطوات التالية: 2.3. حل المشكلات المفتوحة المتبقية البالغ عددها 1 11. تحديث قواعد التحقق بناءً على النتائج 2. جدولة التحقق المتابعة بعد التصحيح 3. إعداد ملخص التحقق للتقديم التنظيمي مدير البيانات: _________________ التاريخ: _________ مراقب طبي: ______________ تاريخ: _________

التحقق من الاتساق الزمني

التحقق من سلامة البيانات وتسلسلها استنادًا إلى الوقت

نقاط التحقق الزمنية الحرجة

• يجب أن تسبق الموافقة المستنيرة جميع إجراءات الدراسة
• لا يمكن أن تتم عملية التوزيع العشوائي قبل تأكيد الأهلية
• دراسة إدارة الدواء تتبع التوزيع العشوائي
• يجب أن تكون للأحداث السلبية علاقات زمنية معقولة
• تتم زيارات المتابعة ضمن نوافذ محددة بالبروتوكول
• يجب أن تكون طوابع زمنية لإدخال البيانات متزامنة

استعلامات SQL للتحقق من صحة الاتساق الزمني: -- التحقق من صحة تسلسل الزيارة SELECT subject_id, visit_name, visit_date, LAG(visit_date) OVER (PARTITION BY subject_id ORDER BY visit_date) AS previous_visit, DATEDIFF(visit_date, LAG(visit_date) OVER (PARTITION BY subject_id ORDER BY visit_date)) AS days_since_last FROM visits WHERE visit_date <= LAG(visit_date) OVER (PARTITION BY subject_id ORDER BY visit_date) ORDER BY subject_id, visit_date; -- الامتثال لنافذة البروتوكول SELECT subject_id, visit_name, visit_date, randomization_date, DATEDIFF(visit_date, randomization_date) AS actual_day, CASE visit_name WHEN 'Week 2' THEN CASE WHEN DATEDIFF(visit_date, randomization_date) BETWEEN 12 AND 16 THEN 'In Window' ELSE 'Out of Window' END WHEN 'Month 1' THEN CASE WHEN DATEDIFF(visit_date, randomization_date) BETWEEN 25 AND 35 THEN 'In Window' ELSE 'Out of Window' END WHEN 'Month 3' THEN CASE WHEN DATEDIFF(visit_date, randomization_date) BETWEEN 77 AND 91 THEN 'In Window' ELSE 'Out of Window' END END AS window_compliance FROM visits v انضم إلى التوزيع العشوائي r ON v.subject_id = r.subject_id WHERE visit_name IN ('الأسبوع 2'، 'الشهر 1'، 'الشهر 3')؛ -- الموافقة قبل التحقق من صحة الإجراءات SELECT s.subject_id، s.consent_date، v.visit_date، v.visit_name FROM subjects s انضم إلى الزيارات v ON s.subject_id = v.subject_id WHERE v.visit_date < s.consent_date ORDER BY s.subject_id، v.visit_date؛ -- التحقق من توقيت إدخال البيانات SELECT subject_id, visit_date, data_entry_date, DATEDIFF(data_entry_date, visit_date) AS entry_delay_days, CASE WHEN DATEDIFF(data_entry_date, visit_date) <= 1 THEN 'Timely' WHEN DATEDIFF(data_entry_date, visit_date) <= 3 THEN 'Acceptable' WHEN DATEDIFF(data_entry_date, visit_date) <= 7 THEN 'Late' ELSE 'Very Late' END AS timeliness_category FROM case_report_forms WHERE DATEDIFF(data_entry_date, visit_date) > 3 ORDER BY entry_delay_days DESC; -- العلاقة الزمنية للحدث الضار SELECT ae.subject_id, ae.ae_start_date, ex.first_dose_date, DATEDIFF(ae.ae_start_date, ex.first_dose_date) AS days_after_first_dose, CASE WHEN ae.ae_start_date < ex.first_dose_date THEN 'ما قبل العلاج' WHEN DATEDIFF(ae.ae_start_date, ex.first_dose_date) <= 30 THEN 'فترة العلاج' ELSE 'فترة المتابعة' END AS temporal_relationship FROM adverse_events ae JOIN exposure ex ON ae.subject_id = ex.subject_id ORDER BY ae.subject_id, ae.ae_start_date;