【新書連載中】第 2 章：臨床資料管理（CDM）與個案報告表(CRF）概論

2-1-1 臨床研究資料生命週期（Clinical Data Lifecycle）

臨床研究的核心目標，在於透過系統性的蒐集與分析資料，以回答關鍵的醫學或公共衛生問題。為了確保研究結果具備科學性、可信度與可重現性（Reproducibility），臨床研究資料必須在一個嚴謹、可追蹤（Audit Trail）且符合法規（如 GCP,HIPAA）的管理架構下進行處理。這一整個從研究最初的規劃、資料採集、清理、鎖定，直到最終的統計分析與結果報告的完整過程，稱為 「臨床研究資料生命週期」（Clinical Data Lifecycle）。

一般而言，一個完整的臨床研究資料生命週期，可標準化為以下六個主要階段：

1. 研究設計與資料規劃（Study Design and Data Planning）一切始於計畫書（Protocol）。在研究正式開始之前，研究團隊必須明確定義研究問題、目標族群（Inclusion/Exclusion Criteria）、研究期間以及主要與次要研究指標 （Endpoints）。 在此階段，「資料規劃」是決定後續分析成敗的關鍵。 研究團隊需要預先規劃將要收集的資料種類，例如：人口學資料（Demographics）、臨床症狀、實驗室檢驗數值（Lab Data）、治療方式、併用藥物（Prior/Concomitant Medications）或不良反應（Adverse Events）等。這些資訊將成為後續設計資料收集工具的重要基礎。若在研究初期未妥善規劃資料項目或訪視時間點（Visit Schedule），可能導致研究後期資料缺失，無法回答關鍵的研究問題。
2. 個案報告表設計（Case Report Form Design）個案報告表（CRF）是臨床研究中最重要的資料收集工具，用於記錄每位受試者在研究期間的所有相關資訊。 傳統上CRF多以紙本形式存在，但隨著資訊科技的發展，目前絕多數國際多中心或高標準的研究已全面使用 電子個案報告表（Electronic Case Report Form, eCRF）與電子資料擷取系統（EDC）。在 CRF 設計過程中，研究團隊需要決定每一個變數的名稱（Variable Name）、資料型態（Data Type, e如：數值、文字、日期）、編碼方式（Coding, 如：Yes=1,No=0）與測量單位（Units）。 同時，必須建立對應的 資料字典（Data Dictionary） 或 編碼簿（Codebook）。 良好的 CRF設計能符合臨床實務流程，減少操作者的錯誤，並大幅提高後續 R 語言匯入與分析的效率。
3. 資料收集（Data Collection）研究正式啟動並開始招募受試者後，研究人員（如CRC）會依照計畫書規定的訪視時間點蒐集資料。 資料來源（SourceData）可能來自門診紀錄、電子病歷（EHR）、醫療檢查儀器、問卷調查或中央實驗室檢驗報告。 若使用 REDCap 或其他專業臨床資料庫平台，研究人員可以直接在 eCRF介面中輸入資料。 系統通常會設定 即時驗證規則（Edit Checks），例如限制數值範圍（如：血壓不可為負數）、 必填欄位檢查或日期邏輯檢查（如：出生日期不可晚於收案日期），以便在資料產生的第一時間就減少輸入錯誤。
4. 資料管理與資料清理（Data Management and Data Cleaning）這是資料生命週期中最具動態性且耗時的階段。在資料收集的過程中，資料管理人員（Data Manager, DM）會持續監控資料品質。除了系統的自動檢核外，DM 還需人工檢查遺漏值（Missing Data）、異常值（Outliers）以及複雜的邏輯錯誤。例如，若某位受試者的出生年份紀錄為 2020 年，但研究對象限定為成年人，即屬於明顯的資料錯誤。當發現數據有疑慮時，DM 會透過系統發送 查詢（Query） 給研究現場（Site）進行確認。研究現場必須針對 Query進行回覆、修正資料或給出合理理由。 此過程稱為 資料清理（Data Cleaning），是確保資料品質與真實性的核心步驟。
5. 資料鎖定（Database Lock）當所有受試者皆完成訪視、所有 CRF 資料皆已輸入、且所有 Pending 的 Query 皆已關閉並確認無誤後，研究團隊會進行 「資料鎖定」（Database Lock）。 資料鎖定是一個神聖的轉折點，代表資料庫內容已經最終確認，系統權限將轉為「唯讀」， 不再允許進行任何修改。這通常發生在正式統計分析開始之前，目的在於確保所有的統計推論與分析結果， 皆建立在一個固定、已驗證且不可變動的資料集上。 若在資料鎖定後極其罕見地發現重大錯誤需要修改，通常需要經過申辦者（Sponsor）與 IT部門嚴格的審核與授權程序（Unlock），以維持研究資料的可追蹤性與誠信。
6. 統計分析與研究報告（Statistical Analysis and Reporting）在資料鎖定後，統計分析人員（Biostatistician / Data Analyst）會將最終版的靜態資料集匯出至統計軟體（如 R, SAS 或 Python）。分析師必須嚴格依照預先制定好的 統計分析計畫書（Statistical Analysis Plan, SAP），進行描述性統計、假設檢定或建立複雜的模型分析。 分析結果將用於撰寫 臨床研究報告（Clinical Study Report, CSR） 或學術論文，並最終發表於學術期刊或提交給法規單位。 一個完整且高品質的資料管理流程，能確保研究結果具有可靠性與再現性， 這對於基於證據的醫學決策至關重要。