CN111695836B - 临床试验在线运行管控集成系统 - Google Patents

临床试验在线运行管控集成系统 Download PDF

Info

Publication number
CN111695836B
CN111695836B CN202010585477.6A CN202010585477A CN111695836B CN 111695836 B CN111695836 B CN 111695836B CN 202010585477 A CN202010585477 A CN 202010585477A CN 111695836 B CN111695836 B CN 111695836B
Authority
CN
China
Prior art keywords
data
clinical
clinical trial
information
risk
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010585477.6A
Other languages
English (en)
Other versions
CN111695836A (zh
Inventor
袁钧
王柏松
奚文
贾申科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Yongzheng Pharmaceutical Technology Co ltd
Original Assignee
Shanghai Yongzheng Pharmaceutical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Yongzheng Pharmaceutical Technology Co ltd filed Critical Shanghai Yongzheng Pharmaceutical Technology Co ltd
Priority to CN202010585477.6A priority Critical patent/CN111695836B/zh
Publication of CN111695836A publication Critical patent/CN111695836A/zh
Application granted granted Critical
Publication of CN111695836B publication Critical patent/CN111695836B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06314—Calendaring for a resource
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明揭示了一种临床试验在线运行管控集成系统，包括三个系统模块，即信息交换模块，临床试验风险评估模块以及临床试验质量管理优化模块。信息交换模块是用于在各个临床试验参与角色中交换临床试验流程的计划信息或者事件信息。所述的风险评估模块将采集获得的数据进行统计分析，将临床试验数据划分成与受试者安全性关联的关键数据以及数据质量数据两个维度对临床试验参与医院的风险进行实时跟踪评估。所述的临床试验质量管理优化模块，将风险等级信息与调配监查人力资源的形式相关联，优化了监查人力资源的调配。

Description

临床试验在线运行管控集成系统
技术领域
本发明涉及临床试验技术领域，具体涉及一种临床试验在线运行管控集成系统，其包括数据信息交互模块、临床试验风险评估模块和临床试验质量管理优化模块，通过该系统能够对临床试验全流程进行在线实时管控以提升临床试验管理质量和效率。
背景技术
临床试验(ClinicalTrial)，指任何在人体(病人或健康志愿者)进行药物的系统性研究，以证实或揭示试验药物的作用、不良反应及/或试验药物的吸收、分布、代谢和排泄，目的是确定试验药物的疗效与安全性。临床试验监查，是为了保证研发药物在临床试验的实施、记录与报告符合试验方案、标准操作流程、临床试验管理规范以及使用的管理规范的要求而对临床试验过程进行的监督行为。
在传统的监查过程中，基本上就是通过临床监查员(CRA)进入临床试验参与医院(根据法律法规以及药物临床试验管理规范的要求，承担涉及人体医学研究的临床试验，包括药物、医疗器械、体外诊断试剂的注册临床试验，研究者或申办方发起的上市后临床研究，涉及人体的医学调查、分析、运用人体生物行为有关的研究。)对大量的涉及到临床试验过程中受试者的安全性的数据、有效性数据以及数据质量的完整性、及时性和数据采集过程的合规性进行监查。其重要的意义在于，临床试验过程是一个极其严格的具有程序性要求的过程。在这个过程中会存在潜在的试验风险，诸如由于录入数据时候的不严谨导致某个重要的试验指标漏填或者错填，临床试验操作不规范而导致试验采集的数据不准确或者不可信等。这种试验风险就会给受试者的安全带来隐患甚至导致临床试验失败。为此，临床监查员就会进入临床试验参与医院中对相关数据反复核验。
在公开号为CN108877904A名称为一种临床试验信息云平台及临床试验信息云管理方法的中国发明专利中提出了一种基于互联网信息技术的将多种临床试验参与角色整合入一个信息服务平台上以达到多角色均能够访问该平台获取其想要的数据信息的目的。但该发明申请中的数据传送方式是由门户(中心)向各个角色(分支)进行一对一的数据传送，而没有形成多角色之间的信息交换。如该发明专利申请说明书第100段记载：本发明具有的优点和积极效果是：包括于采用上述技术方案，进行临床试验程序流程更加方便，减少纸质文件办公，将临床试验的工作流程整合，提高了临床实验效率，通过云服务平台的应用可以极大方便各类用户对于临床试验平台资源的利用，方便云服务平台的开放和数据管理。因此该发明专利实际解决的技术问题是临床试验数据上传、整理和下载的功能，要解决的问题方便各类用户(多种临床试验参与角色)能够有效的访问临床数据资源的目的，而没有利用临床试验多角色信息的实时交换促进临床试验操作流程的准确规范执行，从而达到提升临床试验管理的质量的目的。
在公开号为CN111095424A名称为临床试验支援系统、临床试验支援程序以及临床试验支援方法的中国发明专利及其同族专利JP2019207521A中提出了一种根据风险评价模型对每个实施设置进行风险评价，通过定期地访问各实施设施来进行，但在某个实施设施中，事故的发生频率高，或者应对成本较高的事故发生得比其他实施设施多等情况下，以增加与该实施设施相关的现场监测的频率的方式变更访问计划。本质上，该方案中提供了一种根据实施设施(可以理解为本申请中的临床试验参与医院)的风险高低，并根据风险高低模拟监查方案的成本对应的访问计划，从而降低监查成本的目的。但是该发明专利申请中其评估实施风险高低的方法是利用风险模型“根据在测试评价结果数据存储模块34中记录的、实施设施中的药物临床试验协调员(CRC)的关于药物临床试验的评价结果来判定实施设施的风险等级”(参见说明书第0103段)而风险模型中所依据的评价对象为“风险评价模型22记录每个实施设施的风险评价结果，包含事故221、平均发生次数222以及风险等级223。”(参见说明书第0056段)。据此，该发明专利申请中所提供的风险模型是基于事故的基础上进行的实施设施的预设风险的评价以根据预设评价其未来的风险的高低。没有解决的问题是：1.风险评价模型没有被清楚的公开。对于本领域技术人员来说根据其以公开的内容只能知道其技术思路是根据实施设施曾经发生的事故以判定该实施设施的风险等级。据此可知这是一种预设评估方法而不是实时动态的评估方法。换而言之，就是无法做到实时监控实施设施的风险变化。2.风险评价参数没有作出清楚的公开。风险评价模型能够起到风险评价的作用，前提是对于其模型统计和分析的内容有清楚且明确的指标数据。在该发明专利申请中没有清楚的描述指标数据的范围和内容，进而无法清楚的知晓风险评价模型的评估内容和方法。总的来说该发明专利申请是从控制临床试验成本的角度进行研发，不能达到对临床试验的风险进行提前预警达到管控临床试验风险目的。
申请人发现提升临床试验管理的质量，需要从以下三个方面着手。
一，临床试验过程中临床试验计划信息需要在多个临床试验参与角色中的及时交换。
药物临床试验方案中会有临床试验流程图(参见图1)。在完整的临床试验的流程中的临床试验的参与角色包括临床试验的受试者、临床试验的研究者、临床试验的申办方、临床试验医院的管理机构、临床试验合同研究组织(CRO)等。在临床试验流程图中会载明临床试验计划信息，这些计划信息中包括临床试验的执行内容、执行时间的节点以及执行步骤。临床试验参与角色就是遵循计划信息进行临床试验的操作。现有技术当中，多个临床试验参与角色对信息处理的方式都是相对独立和滞后的，这就使得整个临床试验操作过程中各个临床试验参与角色不能及时有效的相互协作保障临床试验流程的准确规范执行。
二，需要对临床试验参与医院进行实时的风险评估以利于优化监查人力资源的调配。
临床试验成败的关键在于高质量试验数据的产生、采集的真实和规范。目前为了保证临床试验质量严重依赖高密度的现场监查的方法，需要大量的临床试验监查员(CRA)定期或不定期地对各试验参与医院开展现场核查，包括对大量的已产生的源数据进行期后核对(SDV)以最大限度的维护数据质量。这是一种相对滞后的被动的做法，其预先防止问题产生以及产生问题及时解决的能力有限。此外，这种资源密集型平均调配人力的方法，并不能保证识别出所有的数据质量问题，没能对应风险程度精准调配人力和监查人力资源，故其高成本与所获得的价值不精准。因此，多个国家的卫生主管部门在不断倡导(HSP/BIMO概念文件2007；美国食品药物监督管理局，FDA指南草案2011；欧洲医药管理局，EMA参考文件2011:MHRA风险适应性方法)现行临床试验管理模式的转变，即提倡逐步转变到基于风险的监查方法(Risk-basedMonitoring)。该方法是指在临床试验过程中，充分关注那些影响临床试验质量和受试者权益的关键因素，即风险因素，并针对这些风险因素进行集中监查，更精准有效地来控制临床试验的总体质量。
三，优化临床试验质量管理监查方案。
为了转变现有大量临床试验监查人力高密度平均配置在各个临床试验参与医院的现场监查活动中，就需要根据不同的风险等级优化监查方案。优化监查方案要从两个方面考虑一个是监查方法的成本，一个是监查任务完成耗时时间(时效性)。如果能够结合临床参与医院的风险评估等级确认监查的方法是远程监查形式(如电话、视频)还是采用现场监查形式，就能以最佳的监查方法精准监查人力调配避免监查人力资源的浪费。当确定监查的形式后，可以通过对监查人员的等级、日程安排、所在地理位置等相关信息核算出监查耗时最少且成本最优的方案。
发明内容
本发明的目的在于提供一种临床试验在线运行管控集成系统，由信息交换模块、临床试验风险评估模块和临床试验质量管理优化模块所组成的系统以达到在线实时管控临床试验质量的目的。通过信息交换模块实现临床试验计划信息或者事件信息的及时交换，以促进各临床试验参与角色间的相互协作保障临床试验流程的准确规范执行。通过临床试验风险评估模块对各个临床试验参与医院进行风险等级评估，以利于监查人力资源和监查人力的精准调配。通过临床试验质量管控优化模块核算出监查耗时最少且成本最优的方案。通过本系统能够实现质量管理前置及全流程在线动态临床试验质量管理，并根据风险等级的不同实现及时精准的监查实施和监查人力资源调配，从而实现绩效最优化的临床试验管控模式。
为实现上述发明目的，本发明采用如下技术方案：
一种临床试验在线运行管控集成系统，其包括：
临床试验数据采集和转换模块，用于从多个数据源采集临床试验参与医院的临床试验数据并转换为标准格式数据；
信息交换模块，用于临床试验方案执行过程中的信息在不同临床试验参与角色间的及时交换，信息交换模块交换的信息包括临床试验流程的计划信息，所述的临床试验流程的计划信息包括访视计划信息和用药计划信息，根据所述的访视计划信息和用药计划信息的时间节点将计划信息的执行内容发送给相应的临床试验参与角色，所述的临床试验参与角色执行完执行内容后向信息交换模块反馈执行结果；
数据存储模块，用于保存临床试验数据；
临床试验风险评估模块，用于调取数据存储模块中的试验数据进行风险评估得出临床试验参与医院的风险指标数据和风险等级信息；
临床试验质量管理优化模块，根据风险等级信息选取调配监查人力资源的形式并根据绩效评估算法优化调配监查人力资源的方案；
所述绩效评估算法包括以下步骤：
步骤E1，根据人员工作日程表获取可调配人员名单；
步骤E2，根据人员单位时间工时费信息、人员预设监查耗时信息、差旅费用信息、差旅时间信息计算调配人员的成本和时间；
步骤E3，选取成本最低或耗时最少方案调配监查人力资源；
步骤E4，根据计算结果，由及时发出指令。
进一步的，所述的信息交换模块交换的信息还包括事件信息，所述的事件信息包括发生不良事件或者严重不良事件的信息，受试者未按照访视计划进行访视的信息，受试者未按照用药计划进行用药的信息，受试者服用禁忌药物的信息，并根据相应信息交换规则发送给相应的临床试验参与角色。
信息交换模块是用于在各个临床试验参与角色中交换临床试验流程的计划信息或者事件信息。所述的临床试验参与角色具体包括了临床试验参与医院的研究者，临床试验项目经理，临床试验监查员，临床试验受试者，申办方，项目管理统计人员，临床试验管理机构。所述的临床试验流程的计划信息是指根据临床试验的方案，在临床试验过程中制定临床试验执行的内容和对应执行内容完成的时间节点。信息交换模块的作用就是将计划信息根据临床试验参与角色的关系，对应的发送给相应的临床试验角色处。在临床试验过程中还会发生未按照临床试验计划在规定的时间节点执行对应内容的事件或者未遵照医嘱按照规定服用药物的事件或者服用药物后产生不良反应或者严重不良反应的事件，这些事件所代表的信息就是事件信息。当出现事件信息后就需要按照规则将这些信息发送给对应的临床试验参与角色的信息交换端口。比如当临床试验受试者发生严重不良事件后，系统会将如上信息发送给临床试验研究者同时也会发送给临床试验的申办方。
本申请中的临床试验数据采集和转换模块用于采集临床试验过程中通过EDC等系统收集的临床试验数据。除EDC外，临床试验中还有RTSM(随机化与试验药物管理系统)、MedCoding(医学编码系统)、PV(药物安全警戒管理系统)、eTMF(临床试验全文档管理系统)、CTMS(临床试验项目管理系统)等数据来源。本申请中会将如上各种系统收集来的临床试验数据均导入到临床试验数据采集和转换模块中。具体来说所采集的数据包括有诸如血压、升高、性别等与受试者自身关联的生理指标性数据；还包括在临床试验过程中受试者发生不良事件的次数、不良事件类型、不良事件率等于受试者安全性关联的数据，还包括临床试验过程中监查员对临床试验过程所提出的监查问题的数量，监查问题在规定时间内没有被答复的数量这类关于临床试验过程的监查数据；还包括重要方案违背次数，主要方案偏离率，次要方案偏离率等与临床试验过程的合规性有关的数据；还包括临床试验中剂量不正确，随机分组但未接受研究治疗的受试者人数等关于药物合规性的数据。以上仅是对临床试验过程中所要收集数据的多样性的举例描述，以说明临床试验过程的数据采集是具有严格的规范要求和标准化内容的，主要参照依据临床试验质量管理规范(ICHE6(R2))等相关法律法规作为指导原则和执行标准。
而临床试验监查过程中就是由临床试验监查员对上述的各种类别的试验数据进行监查，监查首要目的是保护临床试验受试者在临床试验过程中的安全，其次是要保证临床试验数据在临床试验过程中记录的完整、真实和及时。这两个目的可以被概括为安全性有关的目的，和与数据质量有关的目的。而临床试验的风险也主要就是安全性风险和数据质量风险。
安全性风险主要指临床试验受试者在使用临床试验药物后出现不良事件或者严重不良事件的数据，以及与评价不良事件或者严重不良事件关联的数据。所谓不良事件可以简单理解为对受试者造成健康方面的影响的事件，而严重不良事件则是对受试者造成严重健康方面的影响甚至是死亡的事件。
数据质量风险主要是指试验过程采集临床试验数据操作步骤或者行为的规范性的数据，以及评价数据记录真实性、数据记录完整性和及时性的数据。数值质量风险的存在会直接导致临床试验的失败，因为没有真实、完整和符合规范要求的数值支撑，就无法评判试验药物的真实的有效性和安全性。
以上，本申请主要的发明思路就是将安全性关联的关键数据，以及临床试验数据质量数据通过一种可量化的方法计算出临床试验参与医院(临床试验研究机构)在试验过程中存在的安全性风险和数据质量风险的可能性的高低，以及时、高效的调配监查人力资源进入临床试验参与医院中进行监查研究以降低整体的临床试验参与医院的系统性风险。
而根据不同的关键数据或者数据质量数据的选择以获得多种类别的安全性风险分项指标数据或者质量风险分项指标数据以方便监查员可视化的获取更加具体的风险因素。
所述的临床试验质量管理优化模块，是基于多家临床试验参与医院的风险评估后确认其对应的风险等级，以实现差异化的监查资源的调配的目的。具体是综合考虑在若干个监查员中考虑成本较低耗时较短的方案调配资源进入相应的临床试验参与医院中进行监查。这样就能够应用风险评估模块所获得的临床试验风险数据和信息以达到精准调配适合的监查形式的资源到对应临床试验参与医院中，避免平均施力造成资源浪费和效率低下。
进一步的，所述的临床试验风险评估模块的中央数据处理中心根据数据存储模块中的临床试验数据，通过以下方法实现对临床试验参与医院的临床试验风险进行评估得出风险指标数据，具体为：
步骤一，通过临床试验数据采集系统导入数据，并将临床试验数据保存至数据存储模块中；
步骤二，根据临床试验数据通过如下方法计算获取风险指标数据：
骤A1，根据临床试验方案确定与该方案相关的临床试验受试者安全性关联的关键数据，包括如下关键数据类别中的一种或者多种：
与不良事件/严重不良事件有关的关键数据:包括发生不良事件的数量数据，不良率数据，不良事件发生最多的一种的受试者人数数据，受试者中发生不良事件且未被解决的人数数据，特别关注的不良事件发生人数数据，不良事件上报及时性数据，不良事件类型分析数据，两次访问之间的不良事件发生数量数据；发生严重不良事件的数量数据，严重不良率数据，严重不良事件发生最多的一种的受试者人数数据，受试者中发生严重不良事件且未被解决的人数数据，特别关注的严重不良事件发生人数数据，严重不良事件上报及时性数据，严重不良事件类型分析数据发生不良事件的数量数据，严重不良事件上报及时率数据，严重不良事件类型分析数据中的一种或者多种；
与停药事件有关的关键数据：包括停药率，暂时停药的受试者人数数据，停药事件类型的分析数据，严重不良事件导致的停药率中的一种或者多种；
步骤A2，根据步骤A1中所获得的临床试验受试者安全性关联的关键数据代入评估算法中计算获得临床试验安全性风险分项指标数据，具体为：
对全部的关键数据逐一进行风险评分，具体为：统计第j个关键数据在全部临床试验参与医院中所采集数据的均值或者中位数指记为uj，统计第j个关键数据在第i个临床试验参与医院中所采集数据的均值或者中位数记为xij，统计第j个关键数据在全部临床试验参与医院中的标准差σj，其中
Figure GDA0002920523980000051
则第j个关键数据在第i个临床试验参与医院中的风险评分定义为
Figure GDA0002920523980000052
步骤A3.计算临床试验安全性风险分项指标数据，对第j个关键数据赋予权重数值记为wj，则第i个临床试验参与医院的临床试验安全性风险分项指标数据为
Figure GDA0002920523980000053
记为m；
步骤B1，根据临床试验方案确定与该方案相关的临床试验数据质量数据，包括如下数据质量数据类别中的一种或者多种：
与临床试验病例报告完成有关的数据：包括受试者从访视到初始数据输入的及时性数据，受试者发生不良事件从访视到数据输入的天数数据，文件缺失率数据，药物问责的及时性数据中的一种或者多种；
与差异管理有关的数据：包括监查员对采集的数据核查后发现的问题数量，导致数据更改的问题数量，问题在规定期限内未被回复导致问题回复通道被关闭而判定未回复的数量，问题超出规定时间回复的数量，重新发出的问题数量，因问题导致数据更改率，从问题回复通道被创建到问题回复通道关闭的天数中的一种或者多种；
与数据趋势有关的数据：包括重复值，试验室检查的异常值中的一种或者多种；
和试验中止有关的数据：包括筛选失败率、入组率、受试者中止率、受试者中止率中的一种或者多种；
步骤B2，根据步骤B1中所获得的临床试验数据质量数据代入评估算法中计算获得临床试验数据质量风险分项指标数据，具体为：
对全部的临床试验数据质量数据逐一进行风险评分，具体为：统计第j个临床试验数据质量数据在全部临床试验参与医院中所采集数据的均值或者中位数指记为u′j，统计第j个临床试验数据质量数据在第i个临床试验参与医院中所采集数据的均值或者中位数记为x′ij，统计第j个临床试验数据质量数据在全部临床试验参与医院中的标准差σ′j，其中
Figure GDA0002920523980000054
则第j个临床试验数据质量数据在第i个临床试验参与医院中的风险评分定义为
Figure GDA0002920523980000055
步骤B3.计算临床试验数据质量分项指标数据，对第j个临床试验数据质量数据赋予权重数值记为w′j，则第i个临床试验参与医院的临床试验数据质量风险分项指标数据为
Figure GDA0002920523980000056
记为M。
步骤C1，计算临床试验参与医院的风险指标数据，对步骤A3的第i个临床试验参与医院的临床试验安全性风险分项指标数据赋予权重，记为t，对步骤B3的第i个临床试验参与医院的临床试验数据质量风险分项指标数据赋予权重，记为T，则第i个临床试验参与医院的风险指标数据为
Figure GDA0002920523980000057
进一步的，设定若干个临床试验风险阈值，并将计算获得的风险指标数据与临床试验风险阈值比较后获得风险等级信息。
本申请的风险等级信息是依据具体的风险指标分项指标数据与阈值比较后获得的定性的判断。这里的阈值是由监查人员根据临床试验质量管理规范以及项目经验所确定的若干个数值。比较后所获得的风险等级信息是具体的高、中、低或者红、黄、绿等代表风险程度的符号信息。
进一步的，所述的临床试验组织者项目经理将根据信息交换端口所接收到的风险等级信息，依据风险的高低判断是否需要精准的调配监查人力资源进入临床试验参与医院中监查以控制临床试验的安全性、数据的完整性以及数据采集过程的合规性。
进一步的，所述的临床试验数据采集和转换模块，通过以下方法实现将非标准格式的临床试验数据统一为标准格式的临床试验数据；
步骤D1，导入一种或者多种非标准格式的临床试验数据；
步骤D2，应用标签模糊匹配算法识别非标准格式的临床试验数据上的变量标签并给出具体的匹配结果；
步骤D3，对非标准格式的临床试验数据的全部变量或关键变量进行重复判定，并对判定为重复的非标准格式的临床试验数据进行标记，根据步骤D2中的匹配结果将非标准格式的临床试验数据转换为SDTM标准格式数据，对转换后的试验数据进行校验并标记不符合SDTM标准格式的试验数据。
通过将多源的非标准格式的系统的数据向SDTM标准格式数据进行统一。具体原因在于，如上所述临床试验过程中会有多个系统以记录多类别的数据。这些数据就会有很多种的数据格式，在使用评估算法的时候需要以一种统一的数据格式进行计算，如果用人工进行录入显然是效率低的。而本发明中通过标签模糊匹配算法识别非标准格式的临床试验数据上的变量标签并给出具体的匹配结果。这样一来就可以建立多种数据格式向统一格式的映射关系，通过计算机的识别匹配的方式替代人工输入的方式以能够大幅提升数据采集的效率和准确性。而所述的标签模糊匹配算法识别，在于能够快速的识别多源数据中的数据名称的字符串的信息，以向标准数据格式名称的匹配，以提升匹配的效率，本申请中特别采用字符串树整体字符串的匹配方法。
进一步的，所述的步骤D2中模糊匹配算法包括以下步骤：
SDTM标准格式的临床试验数据的变量标签字符串和/或受控术语作为模式字符串，将非标准格式的临床试验数据的变量标签字符串作为目标字符串；
基于前缀将模式字符串的集合转换为树状有限状态自动机；
将树状有限状态自动机构成的字符串树中最短的模式字符串的最后端字符与目标字符串的最后端字符对齐；
字符串树从前至后与目标字符串中对位的字符比较，失配时计算按坏字符跳转方法得出字符串树向前跳转字符长度，并按照该字符长度进行跳转；
任一模式字符串与目标字符串中至少部分连续字符串完全匹配则判断该模式字符串与目标字符串匹配。
所述的SDTM受控术语是SDTM标准格式数据规则用到的域变量、域变量标签以及变量值的标准用语，域是不同内容对应的临床试验数据的集合，域包括不良事件域、生命体征数据域、人口学数据域、注释域、受试者访视域、心电图数据域、受试者元素表；
每个所述的域采用唯一的两个字符代码表示，所述的域变量按不同来源被分到相关的域中；
域变量是指每个域中不同数据的命名，域变量包括：标识变量、主题变量、时间变量和修饰语变量。
临床数据交换标准协会(CDISC)是一个开放的、包括各种学科的非盈利性机构。协会致力于开发行业标准，为医学和生物制药产品的开发提供临床实验数据和元数据的取得、交换、提交以及存档的电子手段。而所述的SDTM数据格式就是由该协会制定的研究数据表格模型(SDTM)有关临床研究项目病例报告表数据表格是向监管部门递交的内容标准格式。
步骤D3中对非标准格式的临床试验数据的全部变量或关键变量进行重复判定是两种不同的数据重复判定规则，当采用全部变量进行重复判定时两个非标准格式的临床试验数据的所有变量都相同判定为重复数据，当采用关键变量进行重复判定时两个非标准格式的临床试验数据的部分变量(关键变量)相同即判定为重复数据。将非标准格式的临床试验数据转换为标准格式的临床试验数据是数据格式统一的过程，转换过程包括字典转换、日期格式归一化、时间格式归一化等属性的标准格式转换。
字典转换在非标准格式的临床试验数据变量字典值与标准格式的临床试验数据域变量字典值不一致时进行，根据建立非标准格式的临床试验数据和标准格式的临床试验数据的映射关系时指定的字典值映射关系进行字典转换。
日期格式归一化在非标准格式的临床试验数据日期变量格式与标准格式的临床试验数据日期域变量格式不一致时进行，进行日期格式的转换统一。
时间格式归一化在非标准格式的临床试验数据时间变量格式与标准格式的临床试验数据时间域变量格式不一致时进行，进行时间格式的转换统一。
对转换后的试验数据进行校验，其中校验过程主要包括数据的完整性校验、一致性校验等。
常用的校验规则有：空值校验、值域范围校验、值域代码集校验、格式(正则)校验、长度校验等。
空值校验是指在标准格式的临床试验数据域变量要求值非空的情况下校验非标准格式的临床
试验数据变量值是否为空值；
值域范围校验是指在标准格式的临床试验数据域变量存在取值范围的情况下校验非标准格式的临床试验数据变量值是否在取值范围内；
值域代码集校验是指在标准格式的临床试验数据域变量存在字典值范围的情况下校验非标准
格式的临床试验数据变量值是否在字典值范围内；
格式(正则)校验是指在标准格式的临床试验数据域变量存在格式要求情况下，使用正则表达式
校验非标准格式的临床试验数据变量值是否符合格式要求；
长度校验是指校验非标准格式的临床试验数据变量值长度是否大于标准格式的临床试验数据
域变量最大接受长度。
进一步的，所述坏字符跳转方法为：若字符串树的的失配字符后端存在与目标字符串的失配字符匹配的字符，则将字符串树向前跳转至最接近的匹配字符与目标字符串的失配字符对齐的位置；若字符串树的失配字符后端不存在与目标字符串的失配字符匹配的字符，则将字符串树向前跳转至最短模式字符串的最后端字符与目标字符串的失配字符前方第一个字符对齐的位置。
进一步的，还包括若干个临床试验参与角色的信息交换端口，能够通过有线或者无线的方式接收临床试验安全性风险分项指标数据、临床试验数据质量风险分项指标数据以及风险指标数据中的一种或者多种，或者/和其能够通过互联网接收临床试验安全性风险等级信息、临床试验数据质量风险等级信息以及风险等级信息中的一种或者多种，
其中，所述的信息交换端口根据数据使用方的身份至少可以分成如下几个类别：
临床试验参与医院的研究者信息交换端口，临床试验项目经理的信息交换端口，临床试验监查员的信息交换端口，临床试验受试者的信息交换端口，申办方的信息交换端口，项目管理统计人员的信息交换端口，临床试验管理机构信息接口，
具体的：
还包括若干个临床试验参与角色的信息交换端口，能够通过有线或者无线的方式接收临床试验安全性风险分项指标数据、临床试验数据质量风险分项指标数据、临床试验参与医院的风险指标数据中的一种或者多种，或者/和其能接收临床试验安全性风险等级信息、临床试验数据质量风险等级信息、风险等级信息、临床试验计划信息以及事件信息中的一种或者多种，
其中，所述的信息交换端口根据信息使用方的身份至少可以分成如下几个类别：
临床试验参与医院的研究者信息交换端口，临床试验项目经理的信息交换端口，临床试验监查员的信息交换端口，临床试验受试者的信息交换端口，申办方的信息交换端口，临床试验管理机构信息接口，
具体的：
所述的临床试验参与医院的研究者根据信息交换端口接收到的信息以便研究者按照临床试验方案更加准确和规范地执行试验操作流程，
所述的临床试验项目经理根据信息交换端口接收到的信息协助研究者执行临床试验操作流程，
所述的临床试验监查员根据信息交换端口接收的信息明确临床试验监查任务的执行，
所述的临床试验受试者根据信息交换端口接收的信息以便配合临床试验操作流程的执行提高其试验参与的依从性，
所述的申办方根据信息交换端口接收的信息配合其药物临床试验相应资源的及时调配，
所述的临床试验参与医院的管理机构的管理人员根据信息交换端口接收的信息对临床试验质量进行动态管理。
相对于现有技术，本发明的技术效果在于：
本发明提供的临床试验在线运行管控集成系统中包括三个系统模块，即信息交换模块、临床试验风险评估模块和临床试验质量管理优化模块。
信息交换模块是用于在各个临床试验参与角色中交换临床试验流程的计划信息或者事件信息。所述的临床试验参与角色具体包括了临床试验参与医院的研究者，临床试验监查员，临床试验受试者，临床试验的申办方临床试验管理机构。通过信息交换模块的作用就是将多个临床试验参与角色构成一个信息交互的网络，使得同一个信息能够同时被多个临床试验角色接收以便相互提醒及时协作，达到临床试验质量管理前置的目的。
临床试验风险评估模块将临床试验数据分为两种类别，即与受试者安全性关联的关键数据和数据质量数据两个维度对临床试验参与医院的风险进行实时跟踪评估。本申请的方法，能够依据临床试验风险指标等级及时优化监查人力资源的调配。
临床试验质量管理优化模块，将风险等级信息与调配监查人力资源的形式相关联。风险等级信息为中、低风险时采用远程监查形式，风险等级信息为高风险时采用现场监查形式，并结合绩效评估算法，在调配监查人力资源的方案中进一步从耗时最少和成本最优两个维度对调配监查人力资源的方案进行优化。
本发明提供的管控集成系统，实现质量管理前置及全流程在线动态临床试验质量管理，并根据风险等级的不同实现及时精准的监查实施和监查人力资源调配，从而实现绩效最优化的临床试验管控模式。。
附图说明
图1是一个标准临床试验过程中流程图；
图2是本发明实施方式中所表示的临床试验风险评估系统的构成图；
图3是本发明实施方式中所表示的采用模糊匹配算法的初始状态图；
图4是本发明实施方式中所表示的采用模糊匹配算法的第一次跳转状态图；
图5是本发明实施方式中所表示的采用模糊匹配算法的第二次跳转状态图；
图6是本发明实施方式中所表示的临床试验参与医院不良事件数量的风险评估分析表格；
图7是本发明实施方式中所表示的临床试验参与医院监查员对采集的数据核查后发现的问题数量评估分析表格；
图8是本发明实施方式中所表示的对与安全性有关的数据指标以及与数据质量有关的数据指标进行风险评估后得出的临床试验评估分析表格；
图9是本发明实施方式中风险阈值的确定的表格；
图10是本发明实施方式中各个数据的风险阈值的表格；
图11是本发明实施方式中模糊匹配算法的坏字符跳转方法的跳转状态示意图一；
图12是本发明实施方式中模糊匹配算法的坏字符跳转方法的跳转状态示意图二；
图13是本发明实施方式中风险等级信息与调配监查人力资源形式的对照表；
图14是本发明实施方式中人员工作日程表的示意图；
图15是本发明实施方式中人员工时费表的示意图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
一种临床试验在线运行管控集成系统，其系统结构如图2所示，临床试验数据采集和转换模块101、信息交换模块102、数据存储模块103、临床试验风险评估模块104和临床试验质量管控优化模块105。
信息交换模块102，其是用于在各个临床试验参与角色中交换临床试验流程的计划信息或者事件信息。所述的临床试验参与角色具体包括了临床试验参与医院的研究者，临床试验项目经理，临床试验监查员，临床试验受试者，临床试验的申办方，项目管理统计人员，临床试验管理机构。通过信息交换模块的作用就是将多个临床试验参与角色构成一个信息交互的网络，使得同一个信息能够同时被对个临床试验角色所接受，以达到共同管控临床试验质量的目的。
以图1所表示的临床试验流程图的内容为例。在筛选期V1阶段，在进入临床试验节点之前的-7至0天这个时间段内，需要完成“●”所表示的全部的执行内容，如凝血功能检测，体格检查等。在这个阶段内，受试者可以通过信息交互模块(一般为APP程序)获取其需要执行内容，和完成执行内容的时间节点，而临床试验的研究者也可以通过信息交互模块关注受试者执行内容的完成进度，必要时可以向受试者发出提醒。
临床试验数据采集和转换模块101，其通过数据输入装置输入或者直接通过各种数据端口从多种试验系统中导入临床试验采集模块中。所述的多种试验系统包括电子数据捕获系EDC、随机化与试验药物管理系统RTSM、医学编码系统MedConding、临床试验全文档管理系统eTMF、临床试验项目管理系统CTMS、药物安全管理系统PV、患者报告结局PROs等。
这些试验数据包括两种类别：与受试者安全性有关的临床试验数据以及与临床试验数据质量有关的数据。
其中与安全性有关的临床试验数据包括如下数据的一种或者多种：
与不良事件/严重不良事件有关的关键数据:包括发生不良事件的数量数据，不良率数据，不良事件发生最多的一种的受试者人数数据，受试者中发生不良事件且未被解决的人数数据，特别关注的不良事件发生人数数据，不良事件上报及时性数据，不良事件类型分析数据，两次访问之间的不良事件发生数量数据；与严重不良事件有关的关键数据:发生严重不良事件的数量数据，严重不良率数据，严重不良事件发生最多的一种的受试者人数数据，受试者中发生严重不良事件且未被解决的人数数据，特别关注的严重不良事件发生人数数据，严重不良事件上报及时性数据，严重不良事件类型分析数据发生不良事件的数量数据，严重不良事件上报及时率数据，严重不良事件类型分析数据中的一种或者多种；
与停药事件有关的关键数据：包括停药率，暂时停药的受试者人数数据，停药事件类型的分析数据，严重不良事件导致的停药率中的一种或者多种。
与临床试验数据质量有关的数据的数据包括如下数据的一种或者多种：
与临床试验病例报告完成有关的数据：包括受试者从访视到初始数据输入的及时性数据，受试者发生不良事件从访视到数据输入的天数数据，文件缺失率数据，药物问责的及时性数据中的一种或者多种；
与差异管理有关的数据：包括监查员对采集的数据核查后发现的问题数量，导致数据更改的问题数量，问题在规定期限内未被回复导致问题回复通道被关闭而判定未回复的数量，问题超出规定时间回复的数量，重新发出的问题数量，因问题导致数据更改率，从问题回复通道被创建到问题回复通道关闭的天数中的一种或者多种；
与数据趋势有关的数据：包括重复值，实验室检查的异常值中的一种或者多种；
和试验中止有关的数据：包括筛选失败率、入组率、受试者中止率、受试者中止率中的一种或者多种。
上述试验数据的采集均是根据《药物临床试验质量管理规范》或者其他临床试验管理规范的要求进行的。根据规范的要求，会将上述试验数据进行规范化的记录，通常这些记录是有临床试验参与医院的研究者进行的。而这些试验数据将会被电子化的录入各种类别的数据系统中，如：电子数据捕获系EDC、随机化与试验药物管理系统RTSM、医学编码系统MedCoding、临床试验全文档管理系统eTMF、临床试验项目管理系统CTMS、药物安全管理系统PV、患者报告结局PROs等。在这些系统中会存在多种角度评价或者辅助评价受试者安全性的数据或者数据质量数据。这些数据都是规范化的数据，其内容可以通过查阅《药物临床试验质量管理规范》或者其他临床试验管理规范或者本领域技术人员的知识知晓其具体含义，本实施例中对如下几个数据内容进行解释：
不良事件数据是指受试者服用药品后身体指标产生不良后果的人数或者次数数据，而严重不良事件数据是指不良后果较为严重的人数或者次数数据。停药率，是指在一个临床试验过程受试者服用试验药物后出现不良事件暂停给药的人数除以总的受试者人数的比值。停药事件类型的分析数据，是指根据规范要求将停药事件的类型进行划分为多种规定的停药事件类型统计各种停药事件类型的数量的数据。
受试者从访视到初始数据输入的及时性数据，是指受试者在服用试验药物后会根据试验计划的要求定期前往临床试验参与医院进行检查并记录用药的情况，受试者去临床试验参与医院中访视的日期到临床试验研究人员将访视的结果数据录入相关试验系统的日期的间隔时间的数据。
文件缺失率数据，是指临床试验研究者根据规范未向临床试验系统中提交的文件数量与规范要求的全部文件的数量的比值。
与差异管理有关的数据，是指监查人员或者数据管理人员在对临床试验参与医院进行监查或者数据管理后会提出疑问，并在系统内发送至临床试验研究人员处，通过这个发问过程对临床试验数据质量进行管控的数据。
问题数量，是指监查人员或者数据管理人员所提出的发问的数量。
导致数据更改的问题数量，是指监查人员或者数据管理人员提出问题后临床试验研究人员根据提出的问题对相关数据进行修改的数量。
问题在规定期限内未被回复导致问题回复通道被关闭而判定未回复的数量，是指监查人员或者数据管理人员提出一个问题在系统内发送至临床试验研究人员处，临床试验研究人员会被要求在规定的时间内进行答复，如果没有在规定时间答复则被视为未回复问题，这样情况的数量。
实验室检查的异常值，是指临床试验的检查过程对受试者生理指标进行试验检查与合理数值差异很大的检查数据的数量。
筛选失败率，是指在临床试验开始时筛选受试对象，未进入临床试验的受试对象与总的受试对象的比值。
从多源数据库中导入的临床试验数据还会转换成为标准格式数据，试验数据转换成为标准格式数据是在临床实验数据采集和转换模块101中完成。标准格式数据库中存储有若干个域(存储单元)，每个存储单元内根据标准规范存储相应类别试验数据。这些试验数据在标准格式数据的数据库中会有对应的变量标签(数据名称)，而这些变量标签是由若干个字符串构成的。为了将从其他系统中导入的试验数据格式统一转换为SDTM标准的格式，就需要通过变量标签的匹配的方式建立映射关系完成试验数据向标准格式数据的转换。
具体为通过模糊匹配方法进行映射关系建立，模糊匹配算法的内容为：
将SDTM标准格式的临床试验数据的变量标签字符串作为模式字符串，将非标准格式的临床试验数据的变量标签字符串作为目标字符串；
基于前缀将模式字符串的集合转换为树状有限状态自动机；
将树状有限状态自动机构成的字符串树中最短的模式字符串的最后端字符与目标字符串的最后端字符对齐；
字符串树从前至后与目标字符串中对位的字符比较，失配时计算按坏字符跳转方法得出字符串树向前跳转字符长度，并按照该字符长度进行跳转；
任一模式字符串与目标字符串中至少部分连续字符串完全匹配则判断该模式字符串与目标字符串匹配。
请参见图3，设有四个标准格式数据的临床试验数据的变量标签名称(模式字符串)为：ethernetmovesme，ethernetisking，ethernetisdead和ethernetforever，共同构成模式字符串集合。非标准格式的临床试验数据的变量标签名称为：nothingtoworryaboutinthis，作为目标字符串。
基于前缀将模式字符串集合转换为树状有限状态自动机，此处的“前缀”是指将模式字符串首字符对齐后，至少两个模式字符串中共有部分的字符，例如ethernet即为四个模式字符串所共有的前缀。基于前缀将模式字符串构成有限状态自动机后形成树状结构(字符串树)。其中ethernetisking或者ethernetisdead为最短模式字符串，则将上述两个模式字符串的最后端的字符g和d与nothingtoworryaboutinthis的最后端的字符s对齐。
需要说明的是，多数情况下，多个标准格式数据的临床试验数据的变量标签名称具有“前缀”，基于前缀将模式字符串集合转换为树状有限状态自动机。少数情况下，多个标准格式数据的临床试验数据的变量标签名称不具有“前缀”(多个标准格式数据的临床试验数据的变量标签名称首字符即不同)，此时基于前缀将模式字符串集合转换为树状有限状态自动机所构成的字符串树从首字符(首字符对齐)即分叉。
对齐后从前至后(图3中从左至右方向)比较字符串树、目标字符串中对位的字符，当某位置每个模式字符串中的字符均与目标字符串中对位的字符不同时判断为失配(当某位置只有部分模式字符串中的字符与目标字符串中对位的字符不同，而还有部分模式字符串中的字符与目标字符串中对位的字符相同时，沿着包含相同字符的模式字符串分支继续比较。失配位置之前的字符就与目标字符串中对位的字符不同的模式字符串在下次跳转前不参与失配比较和跳转计算)，失配时字符串树向前进行跳转，跳转后继续按照从前至后的顺序比较字符串树、目标字符串中对位的字符，发生失配时字符串树再次向前跳转，直至匹配成功或者字符串树的最前端字符超出目标字符串最前端字符时匹配结束。
以图3至5所示的模式字符串、目标字符串的模糊匹配过程为例。如图3所示，将字符串树中最短模式字符串的最后端字符与目标字符串最后端字符对齐后从前至后比较字符串树、目标字符串中对位的字符，发现首字符即发生失配(“e”与“r”不同)。按坏字符跳转方法计算跳转长度过程如下：寻找字符串树中字符e后端的字符中是否有r，结果找到e后第四个字符为r，则按坏字符跳转方法计算的跳转长度为四个字符。字符串树向前跳转四个字符。第一次跳转后字符串树与目标字符串的相对位置如图4所示，此时字符串树中e后端的第一个r与目标字符串失配位置的r对齐。继续从前至后比较字符串树、目标字符串中对位的字符，发现首字符又发生失配(“e”与“t”不同)。按坏字符跳转方法计算跳转长度过程如下：寻找字符串树中字符e后端的字符中是否有t，结果找到e后第一个字符为t，则按坏字符跳转方法计算的跳转长度为一个字符。字符串树向前跳转一个字符。第二次跳转后字符串树与目标字符串的相对位置如图5所示，此时字符串树中e后端的第一个t与目标字符串失配位置的t对齐。继续从前至后比较字符串树、目标字符串中对位的字符，发现首字符又发生失配(“e”与“g”不同)。按坏字符跳转方法计算跳转长度过程如下：寻找字符串树中字符e后端的字符中是否有g，结果找到e后第十三个字符为g，则按坏字符跳转方法计算的跳转长度为十三个字符。字符串树向前跳转十三个字符。字符串树向前跳转十三个字符后字符串树的最前端字符超出目标字符串最前端字符，匹配结束。
以下将结合附图11至12对模糊匹配算法中的坏字符跳转方法进一步说明。采用坏字符跳转方法的跳转方式，字符串树与目标字符串匹配过程中不用逐个字符跳转进行比较，整个匹配过程中字符串树的跳转次数少，匹配效率高。
所述坏字符跳转方法为：若字符串树的失配字符后端存在与目标字符串的失配字符匹配的字符，则将字符串树向前跳转至最接近的匹配字符与目标字符串的失配字符对齐的位置；若字符串树的失配字符后端不存在与目标字符串的失配字符匹配的字符，则将字符串树向前跳转至最短模式字符串的最后端字符与目标字符串的失配字符前方第一个字符对齐的位置。
请参见图11所示，以模式字符串是：babababa，目标字符串包含子串：bababb为例，模式字符串第六个字符为a(模式字符串的失配字符，或者说字符串树中的失配字符)，对位的目标字符串字符为b(目标字符串的失配字符)，发生失配，在本例中，字符串树的失配字符a后端存在与目标字符串失配字符匹配的字符b，将字符串树向前跳转一个字符，就能使得最接近失配字符a的匹配字符b与目标字符串的失配字符b对齐。此时坏字符跳转方法算得的字符串树向前跳转长度为一个字符。
请参见图12所示，以模式字符串是：babababa，目标字符串包含子串：bababc为例，模式字符串第六个字符为a(模式字符串的失配字符，或者说字符串树中的失配字符)，对位的目标字符串字符为c(目标字符串的失配字符)，发生失配，在本例中，字符串树的失配字符a后端不存在与目标字符串失配字符匹配的字符c，若该模式字符串babababa是字符串树中的最短模式字符串，将字符串树向前跳转三个字符，就能使得最短模式字符串的最后端字符a与目标字符串的失配字符前方第一个字符b对齐。此时坏字符跳转方法算得的字符串树向前跳转长度为三个字符。通过如上方式加快了非标准格式目标字符串203(变量标签)与标准格式的临床试验数据的变量标签字符串202的匹配速度(非字符逐个匹配的方式)，就能快速建立非标准格式数据与标准的标准格式数据转换的映射关系，将非标准的格式数据被快速导入SDTM数据库的域中存储，完成格式的转换。
完成格式转换后的标准格式数据的临床试验数据存储于数据存储模块102中。
根据临床试验方案从数据存储模块102中获取具体的临床试验数据应用临床试验风险评估模块104中对各个临床试验参与医院进行风险评估。具体为：
步骤A1，根据临床试验方案确定与该方案相关的临床试验受试者安全性关联的关键数据，包括如下关键数据类别中的一种或者多种：
与不良事件/严重不良事件有关的关键数据:包括发生不良事件的数量数据，不良率数据，不良事件发生最多的一种的受试者人数数据，受试者中发生不良事件且未被解决的人数数据，特别关注的不良事件发生人数数据，不良事件上报及时性数据，不良事件类型分析数据，两次访问之间的不良事件发生数量数据；发生严重不良事件的数量数据，严重不良率数据，严重不良事件发生最多的一种的受试者人数数据，受试者中发生严重不良事件且未被解决的人数数据，特别关注的严重不良事件发生人数数据，严重不良事件上报及时性数据，严重不良事件类型分析数据发生不良事件的数量数据，严重不良事件上报及时率数据，严重不良事件类型分析数据中的一种或者多种；
与停药事件有关的关键数据：包括停药率，暂时停药的受试者人数数据，停药事件类型的分析数据，严重不良事件导致的停药率中的一种或者多种；
步骤A2，根据步骤A1中所获得的临床试验受试者安全性关联的关键数据代入评估算法中计算获得临床试验安全性风险分项指标数据，具体为：
对全部的关键数据逐一进行风险评分，具体为：统计第j个关键数据在全部临床试验参与医院中所采集数据的均值或者中位数指记为uj，统计第j个关键数据在第i个临床试验参与医院中所采集数据的均值或者中位数记为xij，统计第j个关键数据在全部临床试验参与医院中的标准差σj，其中
Figure GDA0002920523980000121
则第j个关键数据在第i个临床试验参与医院中的风险评分定义为
Figure GDA0002920523980000122
步骤A3.计算临床试验安全性风险分项指标数据，对第j个关键数据赋予权重数值记为wj，则第i个临床试验参与医院的临床试验安全性风险分项指标数据为
Figure GDA0002920523980000123
记为m；
步骤B1，根据临床试验方案确定与该方案相关的临床试验数据质量数据，包括如下数据质量数据类别中的一种或者多种：
与临床试验病例报告完成有关的数据：包括受试者从访视到初始数据输入的及时性数据，受试者发生不良事件从访视到数据输入的天数数据，文件缺失率数据，药物问责的及时性数据中的一种或者多种；
与差异管理有关的数据：包括监查员对采集的数据核查后发现的问题数量，导致数据更改的问题数量，问题在规定期限内未被回复导致问题回复通道被关闭而判定未回复的数量，问题超出规定时间回复的数量，重新发出的问题数量，因问题导致数据更改率，从问题回复通道被创建到问题回复通道关闭的天数中的一种或者多种；
与数据趋势有关的数据：包括重复值，试验室检查的异常值中的一种或者多种；
和试验中止有关的数据：包括筛选失败率、入组率、受试者中止率、受试者中止率中的一种或者多种；
步骤B2，根据步骤B1中所获得的临床试验数据质量数据代入评估算法中计算获得临床试验数据质量风险分项指标数据，具体为：
对全部的临床试验数据质量数据逐一进行风险评分，具体为：统计第j个临床试验数据质量数据在全部临床试验参与医院中所采集数据的均值或者中位数指记为u′j，统计第j个临床试验数据质量数据在第i个临床试验参与医院中所采集数据的均值或者中位数记为x′ij，统计第j个临床试验数据质量数据在全部临床试验参与医院中的标准差σ′j，其中
Figure GDA0002920523980000131
则第j个临床试验数据质量数据在第i个临床试验参与医院中的风险评分定义为
Figure GDA0002920523980000132
步骤B3.计算临床试验数据质量分项指标数据，对第j个临床试验数据质量数据赋予权重数值记为w′j，则第i个临床试验参与医院的临床试验数据质量风险分项指标数据为
Figure GDA0002920523980000133
记为M。
步骤C1，计算临床试验参与医院的风险指标数据，对步骤A3的第i个临床试验参与医院的临床试验安全性风险分项指标数据赋予权重，记为t，对步骤B3的第i个临床试验参与医院的临床试验数据质量风险分项指标数据赋予权重，记为T，则第i个临床试验参与医院的风险指标数据为
Figure GDA0002920523980000134
以下举例解释风险评估的计算方法。
如图6所示，其所表示的是在编号为1-14的中心(临床试验参与医院)对不良事件数量这一指标进行风险评估的过程。我们以编号为1的中心为例，在该中心发生AE数(不良事件的数量)11个，该中心的总的患者周为292.857(编号为1的中心的所有受试者的参与临床试验的周数)，则该中心每个患者周的AE平均数为0.03756，所有中心“每个患者周AE数”的平均数uj为0.068948(计算方式为将所有中心的不良事件之和除以所有中心总的患者周之和)，所有中心“每个患者周AE数”的标准差σj，其中
Figure GDA0002920523980000135
在本实施例中，则针对对不良事件数量这个指标进行风险评估评分为：
Figure GDA0002920523980000136
其中N＝14，xij＝0.03756，uj＝0.068948，σj＝0.081873，则cij＝0.38336。
如图7所示，其所表示的是在编号为1-14的中心监查员或者数据管理人员对采集的数据核查或者管理后发现的问题数量这一指标进行风险评估的过程。我们仍然以编号为1的中心为例，在该中心发生问题数量为36，该中心中的患者周292.8571，在各个患者周平均发生的问题的平均数为0.122926829，所有中心每个患者周的问题的平均数为μ′j(计算方式为将所有中心的不良事件之和除以所有中心总的患者周之和)为0.088716377，所有中心每个患者周的问题数′的标准差其中
Figure GDA0002920523980000137
在本实施例中，则针对采集的数据核查后发现的问题数量进行风险评估评分为：
Figure GDA0002920523980000141
其中N＝14，x′ij＝0.12293，u′j＝0.088716377，σ′j＝0.026740104，则c′ij＝1.279368695。
如图8所示，是依据每个患者周的不良事件风险评分数据，每个患者周的严重不良事件风险评分数据以及每个患者周的死亡事件风险评分数据作为计算受试者安全性关联分项风险指标数据，依据每个患者周的问题数量风险评分数据、每个患者周的逾期问题风险评分数据和平均问题回复时间风险评估数据量作为临床试验数据质量风险指标数据计算风险指标数据的依据。
具体为：每个患者周的不良事件的风险评估评分为0.3834，每个患者周的严重不良事件的风险评估评分为0，每个患者周的死亡事件的风险评估评分为0。计算受试者安全性关联分项风险指标数据是每个患者周的不良事件的风险评估评分的权重为1，其余事件没有发生权重为0。则依据
Figure GDA0002920523980000142
公式计算得出受试者安全性关联分项风险指标数据为0.3834/1＝0.3834＝m。
每个患者周的问题数量风险评分数据为1.2794，每个患者周的逾期问题风险评分数据为1.8695，平均疑问回复时间的数据为1.6323。每个患者周的问题数量风险评分数据权重为1，每个患者周的逾期问题风险评分数据的权重为1，平均疑问回复时间的数据的权重为1。则依据
Figure GDA0002920523980000143
公式计算得出临床试验数据质量风险指标数据为(1.2794+1.8695+1.6323)/3＝1.5937＝M。
受试者安全性关联分项风险指标数据为m＝0.3834，临床试验数据质量风险指标数据为M＝1.5937，其中受试者安全性关联分项风险指标数据权重为t＝1，临床试验数据质量风险指标数据的权重T＝1，则依据
Figure GDA0002920523980000144
公式计算得出风险指标数据为(0.3834+1.5937)/2＝0.9885。
基于受试者安全性关联分项风险指标数据、临床试验数据质量风险指标数据和风险指标数据为基础，确定受试者安全性关联分项风险等级、临床试验数据质量风险等级和临床试验风险等级。
具体为：确认每个患者周的不良事件风险评分阈值，每个患者周的严重不良事件风险评分阈值以及每个患者周的死亡事件风险评分阈值，依据每个患者周的问题数量风险评分阈值、每个患者周的逾期问题风险评分阈值和平均问题回复时间风险评分阈值以及受试者安全性关联分项风险评分阈值，临床试验数据质量风险指标风险评分阈值和临床试验风险指标风险评分阈值。
一般阈值通常按照1.15倍数据平均数(Median)，1.3倍数据平均划分等级，小于或者等于1.15倍数据平均数为低风险，大于或者等于1.3倍数据为高风险，介于1.15倍数据和1.3倍数据之间为中风险。
参见图9为本实施例中阈值设定表格，其中“Median”列的数据是参照图6、图7中编号为1的中心uj(平均数)或者u′j列所数据值而设定的表格。
根据表格的数值计算获得的阈值表格如图10所示，其是依据图9中的各个平均数计算获得。根据图10的内容可知阈值1位低风险阈值，阈值2为高风险阈值。根据以上阈值判断风险等级。小于阈值1风险等级低(绿色)，阈值1和阈值2中间是风险等级中(黄色)，大于阈值2风险等级高(红色)。
获得临床试验安全性风险等级信息、临床试验数据质量风险等级信息、风险等级信息后，临床试验质量管控优化模块105根据风险等级信息选取调配监查人力资源的形式并根据绩效评估算法优化调配监查人力资源的方案。
调配监查人力资源的形式与风险等级信息的对应关系是预定义的，风险等级信息为中风险时采用远程监查形式，风险等级信息为高风险时采用现场监查形式，风险等级信息为低风险时不需另行制定调配监查人力资源的方案，按照临床试验方案规定的标准方案调配监查人力资源即可。
图13是本发明实施方式中风险等级信息与调配监查人力资源形式的对照表，由图13中可以看到编号为02的研究中心风险指标数据对应的风险等级信息为高风险，则采用现场监查的形式调配监查人力资源进入该中心。
当风险等级信息为中风险采用远程监查形式时，或者风险等级信息为高风险采用现场监查形式时，采用绩效评估算法优化调配监查人力资源的方案。
所述绩效评估算法包括以下步骤：
步骤E1，根据人员工作日程表获取可调配人员名单；
步骤E2，根据人员单位时间工时费信息、人员预设监查耗时信息、差旅费用信息、差旅时间信息计算调配人员的成本和完成时间；
步骤E3，计算成本最低或耗时最少方案调配监查人力资源；
步骤E4，根据计算结果，由项目管理人员及时发出指令。
图14是本发明实施方式中人员工作日程表的示意图，人员工作日程表中记载有人员的日程安排情况和所处地点(城市)，预设时间内(例如一周内)日程未排满(存有可调配状态)的人员可供调配。
图15是本发明实施方式中人员工时费表的示意图，人员工时费表中记载有人员单位时间工时费信息、人员预设监查耗时信息，人员单位时间工时费信息、人员预设监查耗时信息是根据人员预设工作情况确定的系统预设信息。
人员工时费为人员单位时间工时费信息乘以人员预设监查耗时信息，例如某人员每小时的工时费为200元，采用现场检查形式需花费此人员4小时，则此人员工时费为800元。差旅费用信息、差旅时间信息与人员当前所处城市与现场监查地点所处城市间距离对应预设在系统中，人员当前所处城市实时在人员工作日程表中更新，查取人员当前所处城市和现场检查地点所处城市即可确定差旅费用信息、差旅时间信息。调配此人员的成本为人员工时费与差旅费之和，调配此人员完成监查的时间为人员预设监查耗时与差旅时间之和(远程监查无差旅费、差旅时间)。
以图13中编号为02的研究中心为例，假设该研究中心位于杭州且周二该研究中心风险指标数据对应的风险等级信息为高风险，需采用现场监查的形式。通过图14可知有CRA1(CRA为临床试验监查员)和CRA2可供调配。通过图15可知CRA1每小时的工时费为800元，CRA2每小时的工时费为500元，CRA1和CRA2预设监查耗时信息都为4小时，则CRA1工时费为3200元，CRA2工时费为2000元。通过图14可知CRA1周二就在杭州，所以无差旅费、差旅时间，调配CRA1进行监查的成本为3200元、完成时间为4小时。假设系统中预设的由武汉到杭州的差旅费为1000元，差旅时间为8小时，则调配CRA2周二由武汉赶到杭州进行监查的成本为3000元，耗时为12小时。
根据成本最低方案会调配CRA2执行现场监查，根据耗时最短方案则会调配CRA1执行现场监查，项目管理人员根据实际情况选择成本最低方案或耗时最短方案。
最后应说明的是：以上实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围。

Claims (9)

1.一种临床试验在线运行管控集成系统，其特征在于，其包括：
临床试验数据采集和转换模块，用于从多个数据源采集临床试验参与医院的试验数据并转换为标准格式数据；
信息交换模块，用于临床试验方案执行过程中的信息在不同临床试验参与角色间的及时交换，信息交换模块交换的信息包括临床试验流程的计划信息，所述的临床试验流程的计划信息包括访视计划信息和用药计划信息，根据所述的访视计划信息和用药计划信息的时间节点将计划信息的执行内容发送给相应的临床试验参与角色，所述的临床试验参与角色执行完执行内容后向信息交换模块反馈执行结果；
数据存储模块，用于保存临床试验数据；
临床试验风险评估模块，用于调取数据存储模块中的试验数据进行风险评估得出临床试验参与医院的风险指标数据和风险等级信息，其中，
所述的临床试验风险评估模块根据数据存储模块中的试验数据，通过以下方法实现对临床试验参与医院的风险进行评估得出风险指标数据，具体为：
步骤一，通过临床试验数据采集模块导入试验数据，并将试验数据保存至数据存储模块中；
步骤二，根据试验数据通过如下方法计算获取临床试验参与医院的风险指标数据：
步骤A1，根据临床试验方案确定与该方案相关的临床试验受试者安全性关联的关键数据，包括如下关键数据类别中的一种或者多种：
与不良事件/严重不良事件有关的关键数据:包括发生不良事件的数量数据，不良率数据，不良事件发生最多的一种的受试者人数数据，受试者中发生不良事件且未被解决的人数数据，特别关注的不良事件发生人数数据，不良事件上报及时性数据，不良事件类型分析数据，两次访问之间的不良事件发生数量数据；发生严重不良事件的数量数据，严重不良率数据，严重不良事件发生最多的一种的受试者人数数据，受试者中发生严重不良事件且未被解决的人数数据，特别关注的严重不良事件发生人数数据，严重不良事件上报及时性数据，严重不良事件类型分析数据发生不良事件的数量数据，严重不良事件上报及时率数据，严重不良事件类型分析数据中的一种或者多种；
与停药事件有关的关键数据：包括停药率，暂时停药的受试者人数数据，停药事件类型的分析数据，严重不良事件导致的停药率中的一种或者多种；
步骤A2，根据步骤A1中所获得的临床试验受试者安全性关联的关键数据代入评估算法中计算获得临床试验安全性风险分项指标数据，具体为：
对全部的关键数据逐一进行风险评分，具体为：统计第j个关键数据在全部临床试验参与医院中所采集数据的均值或者中位数指记为uj，统计第j个关键数据在第i个临床试验参与医院中所采集数据的均值或者中位数记为xij，统计第j个关键数据在全部临床试验参与医院中的标准差σj，其中
Figure FDA0002920523970000011
则第j个关键数据在第i个临床试验参与医院中的风险评分定义为
Figure FDA0002920523970000012
步骤A3，计算临床试验安全性风险分项指标数据，对第j个关键数据赋予权重数值记为wj，则第i个临床试验参与医院的临床试验安全性风险分项指标数据为
Figure FDA0002920523970000013
记为m；
步骤B1，根据临床试验方案确定与该方案相关的临床试验数据质量数据，包括如下数据质量数据类别中的一种或者多种：
与临床试验病例报告完成有关的数据：包括由受试者从访视到初始数据输入的及时性数据，受试者发生不良事件从访视到数据输入的天数数据，文件缺失率数据，药物问责的及时性数据中的一种或者多种；
与差异管理有关的数据：包括监查员对采集的数据核查后发现的问题数量，导致数据更改的问题数量，问题在规定期限内未被回复导致问题回复通道被关闭而判定未回复的数量，问题超出规定时间回复的数量，重新发出的问题数量，因问题导致数据更改率，从问题回复通道被创建到问题回复通道关闭的天数中的一种或者多种；
与数据趋势有关的数据：包括重复值，试验室检查的异常值中的一种或者多种；
和试验中止有关的数据：包括筛选失败率、入组率、受试者中止率、受试者中止率中的一种或者多种；
步骤B2，根据步骤B1中所获得的临床试验数据质量数据代入评估算法中计算获得临床试验数据质量风险分项指标数据，具体为：
对全部的临床试验数据质量数据逐一进行风险评分，具体为：统计第j个临床试验数据质量数据在全部临床试验参与医院中所采集数据的均值或者中位数指记为u′j，统计第j个临床试验数据质量数据在第i个临床试验参与医院中所采集数据的均值或者中位数记为x′ij，统计第j个临床试验数据质量数据在全部临床试验参与医院中的标准差σ′j，其中
Figure FDA0002920523970000021
则第j个临床试验数据质量数据在第i个临床试验参与医院中的风险评分定义为
Figure FDA0002920523970000022
步骤B3，计算临床试验数据质量分项指标数据，对第j个临床试验数据质量数据赋予权重数值记为w′j，则第i个临床试验参与医院的临床试验数据质量风险分项指标数据为
Figure FDA0002920523970000023
记为M；
步骤C1，计算临床试验参与医院的风险指标数据，对步骤A3的第i个临床试验参与医院的临床试验安全性风险分项指标数据赋予权重，记为t，对步骤B3的第i个临床试验参与医院的临床试验数据质量风险分项指标数据赋予权重，记为T，则第i个临床试验参与医院的风险指标数据为
Figure FDA0002920523970000024
临床试验质量管理优化模块，根据临床试验参与医院的风险等级信息选取调配监查人力资源的形式并根据绩效评估算法优化调配监查人力资源的方案；
所述绩效评估算法包括以下步骤：
步骤E1，根据人员工作日程表获取可调配人员名单；
步骤E2，根据人员单位时间工时费信息、人员预设监查耗时信息、差旅费用信息、差旅时间信息计算调配人员的成本和任务完成时间；
步骤E3，选取成本最低或任务完成耗时最少方案调配监查人力资源；
步骤E4，根据计算结果，及时发出指令。
2.根据权利要求1所述的一种临床试验在线运行管控集成系统，其特征在于，所述的信息交换模块交换的信息还包括事件信息，所述的事件信息包括发生不良事件或者严重不良事件的信息，受试者未按照访视计划进行访视的信息，未按照访视内容执行医学检查的信息，受试者未按照用药计划进行用药的信息，受试者服用禁忌药物的信息，并根据相应信息交换规则发送给相应的临床试验参与角色。
3.根据权利要求1所述的一种临床试验在线运行管控集成系统，其特征在于，还包括步骤三，设定若干个风险阈值，并将计算获得的临床试验参与医院的风险指标数据与风险阈值比较后获得风险等级信息。
4.根据权利要求3所述的一种临床试验在线运行管控集成系统，其特征在于，所述的临床试验数据采集和转换模块中的数据转换模块通过以下方法实现将多个数据源所采集的非标准格式的临床试验数据转换为SDTM标准格式数据；
步骤D1，导入一种或者多种非标准格式的临床试验数据；
步骤D2，应用标签模糊匹配算法识别非标准格式的临床试验数据的变量标签并给出具体的匹配结果；
步骤D3，对非标准格式的临床试验数据的全部变量或关键变量进行重复判定，并对判定为重复的非标准格式的临床试验数据进行标记，根据步骤D2中的匹配结果将非标准格式的临床试验数据转换为SDTM标准格式数据，对转换后的试验数据进行自动校验并标记不符合SDTM标准格式的试验数据。
5.根据权利要求4所述的一种临床试验在线运行管控集成系统，其特征在于，所述的步骤D2中模糊匹配算法包括以下步骤：
SDTM标准格式的临床试验数据的变量标签字符串和/或受控术语作为模式字符串，将非标准格式的临床试验数据的变量标签字符串作为目标字符串；
基于前缀将模式字符串的集合转换为树状有限状态自动机；
将树状有限状态自动机构成的字符串树中最短的模式字符串的最后端字符与目标字符串的最后端字符对齐；
字符串树从前至后与目标字符串中对位的字符比较，失配时计算按坏字符跳转方法得出字符串树向前跳转字符长度，并按照该字符长度进行跳转；
任一模式字符串与目标字符串中至少部分连续字符串完全匹配则判断该模式字符串与目标字符串匹配。
6.根据权利要求5所述的一种临床试验在线运行管控集成系统，其特征在于，所述的受控术语是SDTM标准格式数据规则用到的域变量、域变量标签以及变量值的标准用语，域是不同内容对应的临床试验数据的集合，域包括不良事件域、生命体征数据域、人口学数据域、注释域、受试者访视域、心电图数据域、受试者元素表；
每个所述的域采用唯一的两个字符代码表示，所述的域变量按不同来源被分到相关的域中；
域变量是指每个域中不同数据的命名，域变量包括：标识变量、主题变量、时间变量和修饰语变量。
7.根据权利要求6所述的一种临床试验在线运行管控集成系统，其特征在于，所述坏字符跳转方法为：若字符串树的的失配字符后端存在与目标字符串的失配字符匹配的字符，则将字符串树向前跳转至最接近的匹配字符与目标字符串的失配字符对齐的位置；若字符串树的失配字符后端不存在与目标字符串的失配字符匹配的字符，则将字符串树向前跳转至最短模式字符串的最后端字符与目标字符串的失配字符前方第一个字符对齐的位置。
8.根据权利要求1或者7所述的一种临床试验在线运行管控集成系统，其特征在于，
还包括若干个临床试验参与角色的信息交换端口，能够通过有线或者无线的方式接收临床试验安全性风险分项指标数据、临床试验数据质量风险分项指标数据、临床试验参与医院的风险指标数据中的一种或者多种，或者/和其能接收临床试验安全性风险等级信息、临床试验数据质量风险等级信息、风险等级信息、临床试验计划信息以及事件信息中的一种或者多种，
其中，所述的信息交换端口根据信息使用方的身份至少可以分成如下几个类别：
临床试验参与医院的研究者信息交换端口，临床试验项目经理的信息交换端口，临床试验监查员的信息交换端口，临床试验受试者的信息交换端口，申办方的信息交换端口，临床试验管理机构信息接口，
具体的：
所述的临床试验参与医院的研究者根据信息交换端口接收到的信息以便研究者按照临床试验方案更加准确和规范地执行试验操作流程，
所述的临床试验项目经理根据信息交换端口接收到的信息协助研究者执行临床试验操作流程，
所述的临床试验监查员根据信息交换端口接收的信息明确临床试验监查任务的执行，
所述的临床试验受试者根据信息交换端口接收的信息以便配合临床试验操作流程的执行提高其试验参与的依从性，
所述的申办方根据信息交换端口接收的信息配合其药物临床试验相应资源的及时调配，
所述的临床试验参与医院的管理机构的管理人员根据信息交换端口接收的信息对临床试验质量进行动态管理。
9.根据权利要求4所述的一种临床试验在线运行管控集成系统，其特征在于，
所述的步骤D3中对非标准格式的临床试验数据的全部变量或关键变量进行重复判定是两种不同的数据重复判定规则，当采用全部变量进行重复判定时两个非标准格式的临床试验数据的所有变量都相同判定为重复数据，当采用关键变量进行重复判定时两个非标准格式的临床试验数据的部分变量相同即判定为重复数据；
将非标准格式的临床试验数据转换为SDTM标准格式的临床试验数据是数据格式统一的过程，转换过程包括字典转换、日期格式归一化、时间格式归一化等属性的标准格式转换：
字典转换在非标准格式的临床试验数据变量字典值与标准格式的临床试验数据域变量字典值不一致时进行，根据建立非标准格式的临床试验数据和标准格式的临床试验数据的映射关系时指定的字典值映射关系进行字典转换；
日期格式归一化在非标准格式的临床试验数据日期变量格式与标准格式的临床试验数据日期域变量格式不一致时进行，进行日期格式的转换统一；
时间格式归一化在非标准格式的临床试验数据时间变量格式与标准格式的临床试验数据时间域变量格式不一致时进行，进行时间格式的转换统一；
对转换后的试验数据进行校验，其中校验过程主要包括数据的完整性校验、一致性校验。
CN202010585477.6A 2020-06-23 2020-06-23 临床试验在线运行管控集成系统 Active CN111695836B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010585477.6A CN111695836B (zh) 2020-06-23 2020-06-23 临床试验在线运行管控集成系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010585477.6A CN111695836B (zh) 2020-06-23 2020-06-23 临床试验在线运行管控集成系统

Publications (2)

Publication Number Publication Date
CN111695836A CN111695836A (zh) 2020-09-22
CN111695836B true CN111695836B (zh) 2021-03-19

Family

ID=72483659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010585477.6A Active CN111695836B (zh) 2020-06-23 2020-06-23 临床试验在线运行管控集成系统

Country Status (1)

Country Link
CN (1) CN111695836B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114300085A (zh) * 2021-12-31 2022-04-08 科临达康医药生物科技(北京)有限公司 临床试验个体患者报告生成方法、装置和设备
CN114049925A (zh) * 2022-01-12 2022-02-15 科临达康医药生物科技(北京)有限公司 临床试验开发计划生成方法、系统和设备
CN114049924A (zh) * 2022-01-12 2022-02-15 科临达康医药生物科技(北京)有限公司 临床试验开发计划数据点收集方法、装置及可读存储介质
CN116364309B (zh) * 2023-03-28 2024-02-02 绍兴珂西生物科技有限公司 一种基于神经网络的临床试验风险评估方法及系统
CN117973878B (zh) * 2024-03-29 2024-06-14 鼎泰(南京)临床医学研究有限公司 基于风险评估工具fmea的风险管理方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2234647A1 (en) * 2008-01-04 2010-10-06 The Ohio State University Research Foundation Methods for in vivo atherosclerotic plaque characterization using magnetic susceptibility to identify symptom-producing plaques

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040093240A1 (en) * 2002-10-23 2004-05-13 Shah Rajesh Navanital Systems and methods for clinical trials information management
CN101443780A (zh) * 2004-12-30 2009-05-27 普罗文蒂斯公司 用于开发和使用用于预测多种医学结果、评价介入策略以及同时验证生物标志物诱因的预测模型的方法、系统和计算机程序产品
US20140324553A1 (en) * 2012-08-01 2014-10-30 Michael Joseph Rosenberg Computer-Assisted Method for Adaptive, Risk-Based Monitoring of Clinical Studies
CN111080159A (zh) * 2019-12-27 2020-04-28 嘉兴太美医疗科技有限公司 临床试验研究中心质量监管的风险监控方法和系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2234647A1 (en) * 2008-01-04 2010-10-06 The Ohio State University Research Foundation Methods for in vivo atherosclerotic plaque characterization using magnetic susceptibility to identify symptom-producing plaques

Also Published As

Publication number Publication date
CN111695836A (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN111695835B (zh) 用于评估临床试验风险的方法
CN111695836B (zh) 临床试验在线运行管控集成系统
CN111695834B (zh) 临床试验质量实时管控优化方法和系统
US10489379B2 (en) Computer-assisted method for adaptive, risk-based monitoring of clinical studies
Aydin et al. Creating and analyzing a statewide nursing quality measurement database
CN1714352B (zh) 临床试验信息管理的系统和方法
US20200168304A1 (en) Clinical trial oversight and identification of errors in clinical trial procedure
CN103745424A (zh) 医院综合绩效信息处理系统及其方法
Scobie et al. Measurement of the safety and quality of health care
CN113449971B (zh) 基于临床试验指标数据分析结果的监查任务分派方法
CN112529474B (zh) 一种区域影像质量控制互认方法及系统
Wong et al. A simulation study to achieve healthcare service quality improvement in accident & emergency department (AED)
CN109409709A (zh) 智能职称评定系统
CN113393922A (zh) 一种辅助诊疗类人工智能应用评估框架和评估方法
Donaldson et al. Nurse staffing in California hospitals 1998-2000: findings from the California nursing outcome coalition database project
Bodina et al. Resource allocation criteria in a hospital
CN112837781B (zh) 一种基于医院处方信息的药房管理系统及方法
CN115409380A (zh) 医院医保绩效评价方法、装置、电子设备及其存储介质
Liu et al. Does use of advanced information technology in commercial minimum data set systems improve quality of nursing home care?
Jiang et al. Application and Feasibility Study of Integrated Nursing Information Construction in Nephrology Nursing
CN114464282A (zh) 一种医院病人数据采集质量评估系统
CN113160018A (zh) 一种社会救助统筹与预警分析系统
Kang et al. Rtls and ehr enabled workflow modeling in the emergency department
CN112233782B (zh) 基于互联网的医政卫监动态联动系统
Barro et al. Health Metrics Network (HMN-WHO), a Tool to Assess the Quality of the Information System in Burkina Hospitals.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant