为什么选择 Editverse 进行统计分析？我们的统计学家拥有生物统计学高级学位，并在监管申报、同行评审出版物和复杂的临床试验分析方面拥有丰富的经验。

发送邮件

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

访问网站

www.editverse.com

提供免费初步咨询

30 分钟咨询，讨论您的项目要求和统计方法

重复记录检测

自动识别数据重复

重复记录的类型

• 精确重复： 所有字段的记录相同
• 近似重复： 有细微差别的类似记录
• 部分重复： 同一主题，不同时间点
• 跨域重复： 多个表中的相同数据

用于重复检测的 SQL 查询： - 根据关键标识符的精确重复项 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; -- 使用相似性函数的近似重复 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; - 跨域重复检测 SELECT d.subject_id, d.visit_date, 'Demographics' as domain1, v.subject_id, v.visit_date, 'Vital Signs' as domain2 FROMpopulations 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; - 时间重复模式 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;

重复检测性能指标

发表于BMC Medical Informatics (2023) 的一项对 89 个临床数据库的验证研究：

重复记录检测报告 研究：[协议编号] 检测日期：[YYYY-MM-DD] 数据库版本：[版本号] 分析师：[姓名和签名] 检测参数： - 精确匹配阈值：100% 字段相似度 - 模糊匹配阈值：85% 相似度得分 - 关键字段：受试者 ID、访问日期、参数 - 使用的算法：Levenshtein 距离、Jaro-Winkler 检测结果：记录类型 | 记录总数 | 精确重复 | 近似重复 | 重复率 ------------------------|-----------|------|-------|--------------- 人口统计 | 1,247 | 3 | 7 | 0.8% 生命体征 | 4,988 | 12 | 23 | 0.7% 实验室数据 | 8,765 | 8 | 15 | 0.3% 不良事件 | 892 | 2 | 4 | 0.7% 伴随用药 | 1,456 | 5 | 11 | 1.1% 详细重复分析：重复 ID | 记录 1 | 记录 2 | 相似度得分 | 匹配类型 | 分辨率 -------------|-----------|----------|------------------|------------|------------ DUP001 | DM_001 | DM_245 | 100% | 精确 | 记录 2 已删除 DUP002 | VS_123 | VS_456 | 87% | 接近 | 手动审查 DUP003 | LB_789 | LB_890 | 100% | 精确 |记录 2 已删除 解决方案摘要： - 识别出的精确重复项：30 - 需要审查的近似重复项：60 - 误报：8 - 删除的记录：28 - 合并的记录：2 - 未解决的案例：12 质量指标： - 检测精确度：92.3% - 检测召回率：89.7% - 人工审查率：13.4% - 误报率：2.1% 采取的措施： ☑ 调查所有精确重复项 ☑ 完成源数据验证 ☑ 维护删除的审计线索 ☑ 对临床重复项进行医学审查 ☑ 在更改之前创建数据库备份 剩余措施： - 解决 12 对不确定的重复项 - 更新重复检测规则 - 安排更正后的后续检测 - 记录经验教训 数据管理员：_________________ 日期：_________ QC 审查员：__________________ 日期：_________

异常值检测与分析

异常数据点的统计识别

FDA 对异常值管理的要求

• 统计分析计划中预先指定的异常值检测标准
• 调查并记录所有已识别的异常值
• 适当时排除异常值的敏感性分析
• 纳入或排除决定的明确理由

用于综合异常值检测的 R 代码： library(outliers) library(VIM) library(robustbase) # Z-Score 方法（经典） z_scores <- abs(scale(clinical_data$lab_value)) z_outliers <- which(z_scores > 3.29) # 改进的 Z-Score（稳健） mad_scores <- abs(0.6745 * (clinical_data$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) # IQR 方法 Q1 <- quantum(clinical_data$lab_value, 0.25, na.rm=TRUE) Q3 <- quantum(clinical_data$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)) # 单个异常值的格拉布斯检验 grubbs_test <- grubbs.test(clinical_data$lab_value) print(paste("Grubbs Test p-value:", grubbs_test$p.value)) # 多变量异常值的马氏距离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))) # 创建综合异常值报告 outlier_summary <- data.frame( Method = c("Z-Score", "Modified Z-Score", "IQR", "Mahalanobis"), Count = c(length(z_outliers), length(mad_outliers), length(iqr_outliers), length(mahal_outliers)), Percentage = c(length(z_outliers)/nrow(clinical_data)*100, length(mad_outliers)/nrow(clinical_data)*100, length(iqr_outliers)/nrow(clinical_data)*100, length(mahal_outliers)/nrow(clinical_data)*100) )

临床意义评估

《临床试验杂志》（2023 年）发表了一项关于异常值影响的研究：

异常值调查报告模板： 研究：[方案编号] 变量：[参数名称] 分析日期：[YYYY-MM-DD] 分析师：[姓名和签名] 异常值检测标准： - 主要方法：[Z 分数 / IQR / 马氏度 / 其他] - 阈值：[特定截止值] - 基本原理：[参考 SAP 或文献] 已识别的异常值： 受试者 ID | 访问 | 值 | 检测方法 | Z 分数 | 调查状态 -----------|-------|--------|-----------------|---------|------------------- 12345 | 第 7 天 | 450.2 | Z 分数 > 3.29 | 4.12 | 数据输入错误 - 已更正 12346 | 第 14 天 | 12.1 | IQR 方法 | -2.89 | 已确认 - 医疗事件 12347 | 第 21 天 | 890.7 | 马氏度 | 5.67 | 正在调查中 采取的行动： - 完成所有异常值的源数据验证 - 对极值进行医学审查 - 使用完整审计线索进行数据更正 - 计划进行敏感性分析，排除已确认的错误 统计影响评估： - 主要终点分析：[影响描述] - 次要终点：[影响描述] - 计划的敏感性分析：[描述] 法规遵从性： ☑ 遵循预先指定的检测标准 ☑ 调查并记录所有异常值 ☑ 评估医学合理性 ☑ 维护所有更改的审计线索 ☑ 酌情计划敏感性分析 审阅者签名：_________________ 日期：_________

跨领域验证

变量间一致性和关系检验

CDISC SDTM 交叉变量验证要求

• 所有领域的人口统计一致性
• 主题内的日期/时间序列验证
• 剂量-暴露关系验证
• 不良事件与伴随用药的相关性

跨字段验证的 SQL 查询： - 年龄一致性检查 SELECT subject_id、birth_date、visit_date、recorded_age、FLOOR(DATEDIFF(visit_date, birth_date) / 365.25) AS calculated_age、ABS(recorded_age - FLOOR(DATEDIFF(visit_date, birth_date) / 365.25)) AS age_difference FROMpopulations d JOIN visits v ON d.subject_id = v.subject_id WHERE ABS(recorded_age - FLOOR(DATEDIFF(visit_date, birth_date) / 365.25)) > 1; -- BMI 计算验证 SELECT subject_id, visit_date, height_cm, weight_kg, record_bmi, ROUND(weight_kg / POWER(height_cm/100, 2), 1) AS calculated_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; -- 访问序列验证 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); -- 跨领域的性别一致性 SELECT DISTINCT d.subject_id, d.gender AS demo_gender, ae.gender AS ae_gender, cm.gender AS cm_gender FROMpopulations 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; -- 怀孕逻辑验证 SELECT subject_id, gender, age, pregnant_status FROM demographics WHERE (gender = '男' AND pregnant_status = '是') OR (gender = '女' AND age < 12 AND pregnant_status = '是') OR (gender = '女' AND age > 55 AND pregnant_status = '是');

跨领域验证影响研究

对发表于《药物信息杂志》（2023 年）的 234 项 II-III 期试验的分析：

跨领域验证摘要报告 研究：[方案编号] 数据库锁定：[前/后] 验证日期：[YYYY-MM-DD] 数据管理员：[姓名和签名] 应用的验证规则： 1. 人口一致性检查 2. 时间序列验证 3. 临床逻辑验证 4. 剂量和暴露验证 5. 实验室参考范围检查 结果摘要：验证类别 | 检查的记录 | 不一致 | 解决率 ----------------------------|-----------------|-----------------|---------------- 年龄计算 | 1,247 | 12 | 100% BMI 计算 | 1,247 | 8 | 100% 访问序列 | 3,741 | 23 | 95.7% 性别一致性 | 1,247 | 3 | 100% 妊娠逻辑 | 623 | 2 | 100% 日期序列4,988 | 67 | 89.6% 剂量计算 | 2,494 | 15 | 93.3% 需要采取行动的关键问题： - 3 名受试者的访视日期顺序错误 - 7 名受试者的日期差异未解决 - 1 名受试者的剂量计算错误 质量指标： - 总体一致性率：97.2% - 关键问题率：0.9% - 解决时间：2.3 天（平均） 法规合规状态： ☑ DMP 中预先指定的所有验证规则 ☑ 调查并记录不一致情况 ☑ 完成关键问题的源数据验证 ☑ 维护所有更正的审计线索 ☑ 完成临床逻辑问题的医学审查 后续步骤： 1. 解决剩余的 11 个未解决的问题 2. 根据调查结果更新验证规则 3. 安排更正后的后续验证 4. 准备验证摘要以供监管提交 数据经理：_________________ 日期：_________ 医学监察员：______________ 日期：_________

时间一致性验证

基于时间的数据完整性和序列验证

关键时间验证点

• 所有研究程序之前必须获得知情同意
• 资格确认之前不能进行随机化
• 研究药物的给药遵循随机化
• 不良事件必须具有合理的时间关系
• 后续访问在协议定义的窗口内进行
• 数据输入时间戳必须是同时的

用于时间一致性验证的 SQL 查询： - 访问序列验证 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; -- 协议窗口合规性 SELECT subject_id、visit_name、visit_date、randomization_date、DATEDIFF(visit_date, randomization_date) AS actual_day, CASE visit_name WHEN '第 2 周' THEN CASE WHEN DATEDIFF(visit_date, randomization_date) BETWEEN 12 AND 16 THEN '在窗口中' ELSE '在窗口外' END WHEN '第 1 个月' THEN CASE WHEN DATEDIFF(visit_date, randomization_date) BETWEEN 25 AND 35 THEN '在窗口中' ELSE '在窗口外' END WHEN '第 3 个月' THEN CASE WHEN DATEDIFF(visit_date, randomization_date) BETWEEN 77 AND 91 THEN '在窗口中' ELSE '在窗口外' END END AS window_compliance FROM visits v JOIN 随机化 r ON v.subject_id = r.subject_id WHERE visit_name IN ('第 2 周', '第 1 个月', '第 3 个月'); - 程序验证前同意 SELECT s.subject_id, s.consent_date, v.visit_date, v.visit_name FROM subject s JOIN 访问 v ON s.subject_id = v.subject_id WHERE v.visit_date < s.consent_date ORDER BY s.subject_id, v.visit_date; -- 数据输入及时性检查 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 '及时' WHEN DATEDIFF(data_entry_date, visit_date) <= 3 THEN '可接受' WHEN DATEDIFF(data_entry_date, visit_date) <= 7 THEN '迟到' ELSE '非常迟到' END AS timeliness_category FROM case_report_forms WHERE DATEDIFF(data_entry_date, visit_date) > 3 ORDER BY entry_delay_days DESC; -- 不良事件时间关系 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 '治疗前' WHEN DATEDIFF(ae.ae_start_date, ex.first_dose_date) <= 30 THEN '治疗期' ELSE '随访期' END AS temporary_relationship FROM adverse_events ae JOIN exposure ex ON ae.subject_id = ex.subject_id ORDER BY ae.subject_id, ae.ae_start_date;