药物临床试验是指以人体(病人或健康志愿者)为研究对象进行的药物系统性研究,以发现或证实试验药物的临床及药理学作用,根据其不良反应及药代动力学,确定试验药物的有效性与安全性。在研究过程中,数据管理和统计分析是至关重要的环节,试验数据质量的高低直接影响到整体临床研究的质量,关系到对药物有效性和安全性的客观评价。实现临床数据标准化,有助于优化数据管理中数据交流、递交的流程,缩短研究周期、节省费用,提高研究效率,加快药物上市速度。为解决临床试验数据的标准化问题,全球32家机构于2000年开始成立了临床数据交换标准协会(Clinical Data Inter-change Standards Consortium,CDISC),至今已有200家机构。临床数据交换标准协会是一个全球性、开放、多学科、非盈利性的组织,致力于临床医疗和医学研究信息价值的最大化、研究过程的合理化、研究成果转化为临床决策的便捷化,并为此制定了一系列的标准,支持临床研究数据与元数据的采集、交换、递交和储存工作。其中与临床试验数据相关的包括临床试验数据采集整合标准(Clinical Data Acquisition Standards Harmonization Model,CDASH)、研究数据列表模型(Study Data Tabulation Model,SDTM)、分析数据模型(Analysis Data Model,ADa M)。我国国家药品监督管理局(National Medical Products Administration,NMPA)于2016年7月发布了《临床试验数据管理工作技术指南》,建议在新药上市注册申请时,采用CDISC标准递交原始数据库和分析数据库。目前国内部分大型药企和合同研究组织(Contract Rearsch Organization,CRO)公司已经开始使用CDISC中的部分标准,如SDTM和ADa M标准,但对于这些标准的了解和应用还处于初级阶段,在应用时也是以手动编程为主。目的 本课题将从CDISC的介绍入手,考虑肿瘤药物临床试验本身特点和复杂性,结合具体肿瘤药物临床试验项目,说明CDISC在肿瘤临床试验过程中的应用;同时,为解决手动编写SAS程序速度较慢等问题,将编写能快速实现数据格式转换的宏程序,实现从原始数据到SDTM再到ADa M的自动化转换,提高数据转换的效率,加快肿瘤药临床试验的统计分析进程。方法 首先在数据管理环节,根据临床试验中常用的域及变量,如人口统计学域、实验室检查域、生命体征域、心电图域、不良事件域、合并用药域等;结合肿瘤药物临床试验的专用域,如肿瘤识别(Tumor Identification,TU)、肿瘤结果(Tumor Results,TR)、疾病反应(Disease Response,RS)域;设计元数据文件,编写EXCEL映射文件,编写通用的调用元数据的宏,由原始数据生成SDTM数据集。其次在统计分析环节,根据临床试验方案和统计分析计划,明确肿瘤药物的主要疗效指标和次要疗效指标,设计合理数量的分析数据集,设计元数据文件,编写EXCEL映射文件,编写通用的调用元数据的宏,由SDTM数据生成ADa M分析数据集。结果 通过一项实际的肿瘤药物临床试验,设计SDTM域,配置EXCEL文件,并运行宏程序,产生人口统计学域、实验室检查域、生命体征域、心电图域、不良事件域、合并用药域等,完成从原始数据到SDTM数据的转换;再设计ADa M数据集,配置EXCEL文件,运行宏程序,生成相关的分析数据集,完成从SDTM数据到ADa M数据集的转换;最后在原始数据和ADa M数据集两个数据集的基础上,分别编程进行统计分析,进行结果比对,显示分析结果一致,且基于ADa M数据集进行分析更快捷,更能节约时间。结论 本课题以肿瘤药为例,在数据管理和统计分析过程中,采用SDTM和ADa M实现数据标准化,优化数据管理中数据交流、递交的流程,提高数据质量,使统计分析更快捷。在医药研发过程中统一数据标准,不仅可以解决某一个或某一类正在研发的药物临床试验的数据规范问题,而且可以促进以后所有临床试验数据质量水平的提高,以及全行业包括研究者和监管者之间的信息交流。对于药企方面来说,统一数据标准,解决的也不仅仅是单个或单类药物临床试验过程中物力财力和人力成本过高的问题,它为临床试验提供的标准数据模板,具有可重复性,为以后临床试验过程中的工作节约时间和成本,提高效率。因此在数据管理和统计分析中实现临床数据标准化,有助于优化数据管理中数据交流、递交的流程,有助于注册临床试验数据的审核,有助于临床试验数据的荟萃,从而缩短研究周期、节省研究费用,提高研究效率,加快药物上市速度。