临床注册登记研究数据质控的现况

华 琨

(中国医学科学院 北京协和医学院 国家心脏中心阜外心血管病医院 心血管疾病国家重点实验室, 北京, 100037)

1998年，美国医疗质量和研究机构(AHRQ)主任克兰西(Clancy)首次提出了“实效研究”(Outcome Research)的概念。她指出实效研究是对医疗措施最终结果的评价手段，包括患者对医疗措施的体验、对医疗手段预后及价值的评估。实效研究旨在为医护工作者、政府、保险机构及患者提供科学的医疗决策依据。实效研究是临床非干预研究的统称，是在实际医疗环境下，对具体医疗干预和实际操作最终结果的评估。因此，实效性研究其实质是一类观察性研究。注册登记研究(Registry)是目前实效性研究中开展最为广泛、最重要的研究形式之一。在美国注册登记研究方兴未艾，美国心脏病学会(ACC)牵头的“全国心血管疾病注册登记研究”(NCDR)是目前美国最大规模的注册登记数据库[1]。该研究从1998年起已陆续开展了一些大型注册登记研究，包括CathPCI、ICD、CARE、ACTION-GWTG、PINNACLE、IMPACT等注册登记研究，其产生的证据不断影响着医院质量评估、医疗产品使用评估以及地区性区别和指南执行评估。在国内，注册登记研究也取得了长足的发展。中国国家卒中登记研究(CNSR)是中国开展最早的注册登记研究项目，是实效研究在中国的首次尝试。研究发现，中国卒中医疗实践与美国存在显著差距，主要体现在住院医疗服务质量的关键绩效指标(KPI)上。中国心血管代谢疾病预后系列研究(CCMR)是一项全国性系列实效研究，其研究目的是系统性地观察和评估相关病种的诊治实效和医疗需求，目前已开展4项前瞻性研究。由中国医学科学院阜外心血管病医院的牵头,在国家科技支撑计划支持下，正在进行一项年全国多中心、前瞻性数据库的登记研究，这项研究参加的中心达90家，数据收集及质量控制也更加科学和严密。如此大规模的多中心注册登记研究，在中国心血管外科界尚属首次。这将为今后建立中国多中心、前瞻性、实时更新的大型心血管外科数据库奠定基础，同时也能够促进相关学科建设和专业人才的培养，提高中国心血管外科医疗水平和服务质量，为国家制定心血管疾病防治政策提供依据。

1 数据质控现状

众所周知，设计、实施良好的注册登记研究能够反映“真实医疗世界”的情况，如何能够确保注册登记研究发挥上述作用？真实、准确、可信的数据来源和收集是前提保障。因此，数据质控是开展高质注册登记研究的关键核心所在，也是目前越来越多注册登记研究者关注的问题。首先，作者借鉴国外研究的一些有效尝试。以美国胸外科协会(STS)开展的注册登记研究为例，STS共拥有3个全国性的注册登记研究网络数据库，分别是成人心脏外科手术注册登记数据库、小儿心脏外科手术注册登记数据库、普通胸外科注册登记数据库[2]。涵盖全美万家医院，目前已收入数百万例相关手术患者数据。3个注册登记研究的数据质控方法和过程是相似的，主要包括数据逻辑核查和网络病例数据核查。逻辑核查是对数据离群值、缺失数据情况、前后逻辑性是否一致进行核查。每季度进行一次，逻辑核查结束后将数据核查的结果以书面形式反馈给各中心，各中心按照核查结果对数据进行重新入录，在保证正确无误的情况下才能进入STS数据库中。逻辑核查的结果分为两部分，即数据本身质控报告：单从数据层面了解其缺失、逻辑等问题，主要关注数据本身质量和完整性的情况；数据分析反馈报告：数据经过初步统计学处理分析，从各中心层面了解其数据质量和医疗服务水平情况，同时关注每单个中心在全国的医疗水平和与其他同级别中心的比较。指导协作单位对于数据入录质量改进和提高，同时明确该协作单位医疗水平提高的方向。网络核查采用随机化方法抽取具有代表性的中心和病例，按照STS要求抽取5%～8%的全国中心进行数据核查，病例抽样量可根据工作量和可行性结合统计学考虑设计，各中心以电子病例形式将抽取的病例通过EDC系统上传至STS。网络数据核查主要关注数据完整性和真实性。核查的内容包括关数据中的关键变量和非关键变量。STS要求关键变量的准确性应达到100%，非关键变量的准确性达95%以上[3]。网络核查每年度完成一次。由此可见，美国注册登记研究的数据质控已经是一个非常成熟、要求明确的完整体系。但是，在国内注册登记的数据质量一直未得到研究者足够的重视，尚没有健全的数据质控体系和标准化的操作流程，因此注册登记研究的质量不言而喻，相应研究结果的可信性令人担忧。

2 数据质控文章发表情况

通过文献检索，作者发现关于注册登记研究数据质控的文章寥寥无几，而能够检索到的文章则主要集中在肿瘤、脑卒中等领域[4-6]，心血管领域注册登记数据质量的报道非常罕见。全部发表文章的年代都2008年之后，由此可见数据质量的问题长期以来未收到足够重视。引起注册登记研究者对数据质控高度重视的是由美国杜克(Duke)大学学者与2012年发表于《美国心脏杂志》(Am Heart Journal)上的关于脑卒中注册登记研究数据质控的一篇文章[7]。GWTG-Stroke是2004年由AHA和ASA发起的目前全美规模最大的脑卒中治疗注册登记研究项目，自愿参加单位覆盖全美约1400家医院，其目的是为了解“真实世界”中脑卒中治疗循证指南应用情况，提高卒中治疗服务水平。研究者采用随机的方法抽取具有总体代表性的223(11%)家医院和438份病例对该注册登记研究进行数据质量的评估。通过对数据准确性和一致性的评价，结果发现，除了体质量(84.9%)、血肌酐(88.1%)、深静脉血栓预防(79.0%), 患者无患病感觉的时间(85.3%), 其他数据变量的准确性都高于90%。另外，重要的时间相关性数据变量的一致性结果较好[7]。从数据统计分析的结果可见，GWTG-Stroke注册登记研究总体的数据质量较高，这种高质的数据质量为后续的相关研究提供可靠保障，也使得研究结果更加真实可行。虽然目前心血管研究方面数据质控发表的文章不是很多，但是随着研究者对于数据质控愈来愈重视，相信不久关于心血管注册登记研究数据质控的文章会相继发表出来，数据质控必将受到每人研究者的关注和重视[8]。

3 数据质控的方法学

在美国，数据质控已有相当标准化的方法和流程。在国内，因为注册登记研究处于刚刚起步阶段，与国外有不小差距，数据质控方法也是千差万别，缺乏科学标准的流程。国外EDC系统已发展相当成熟和稳定，因此数据质控主要基于EDC系统的网络数据核查，结合少量的现场数据核查工作，这种方法具有操作简单易行，耗时少，花费低等优点，是目前国际上首选的数据质控方法。中国因为EDC系统尚未建全，不能开展全面的网络数据核查工作，因此仅能通过现场数据核查的方法对全国性注册登记研究进行数据质控。由于注册登记研究收集的数据变量数较多，同时受资金和劳动力因素的影响，在数据质控实施阶段不可能对于所有数据变量的质量进行核查，因此，绝大多数登记研究数据质控选取了比较重要的关键变量进行。如GWTG-Stroke研究选取了78个核心变量[7]，英国心脏介入注册登记研究(BCIS)选取了113个核心变量[5]，STS的肺叶切除术注册登记选取了7大类，32个核心变量[9]。通过对注册登记数据质控文献的归纳，发现此类数据质控文献主要关注数据准确性、一致性和完整性这3方面质量情况[8,10-12]。准确性(Accuracy)指变量录入值与真实值相符合的程度，用于评价准确性的指标有灵敏度、特异度、阳性预测值和阴性预测值等。通常将数据核查时有经验的核查员录入的数据变量值定义为真实值或“金标准”。澳洲一项关于血液透析的注册登记研究ANZDATA和丹麦胆囊切除术的研究就应用了灵敏度、特异度、阳性预测值和阴性预测值等准确性指标[6,12]。一致性指在相同条件下重复收集同一患者的同一变量获得相同结果的一致程度。一致性的评价指标包括变异系数(CV)、Kappa值、组间相关系数(ICC)等，是目前评价注册登记研究数据质量应用最为广泛的指标。GWTG-Stroke、PCNASR、ANZDATA、STS肺叶切除术、澳洲血友病等注册登记研究都选用了一致性指标作为评价的标准[1,3,5-7,9-15]。完整性指变量中不缺失的数值个数占总个数的比例。完整性只对数据的有或无做统计，对数据的正确性不做判断，因此该指标在数据质控中应用不多。对于一个注册登记研究以上的统计学指标可以自由的联合使用，其目的都是为了评价整个注册登记研究数据质量的情况。

4 结 语

数据质量是开展注册登记研究的前提和根本保障，也是研究的核心竞争力所在。构建标准化的数据质控流程和方法是注册登记研究的首要任务之一。因此，临床研究工作者、统计师和数据IT管理员必须紧密合作，加强沟通，才能确保数据质控在注册登记研究中有效稳妥地进行，达到客观真实地评价数据质量，提供数据质量改善依据的目的，进而提高注册登记研究结果的真实性和可信性。

[1] Messenger J C, Ho K K, Young C H, et al. The National Cardiovascular Data Registry (NCDR) Data Quality Brief: the NCDR Data Quality Program in 2012[J]. J Am Coll Cardiol, 2012, 60(16): 1484.

[2] Shahian D M, Jacobs J P, Edwards F H, et al. The society of thoracic surgeons national database[J]. Heart, 2013, 99(20): 1494.

[3] Welke K F, Ferguson T J, Coombs L P, et al. Validity of the Society of Thoracic Surgeons National Adult Cardiac Surgery Database[J]. Ann Thorac Surg, 2004, 77(4): 1137.

[4] Wong K, Huang S H, O′Sullivan B, et al. Point-of-care outcome assessment in the cancer clinic: audit of data quality[J]. Radiother Oncol,2010,95(3):339.

[5] Ludman P F. British Cardiovascular Intervention Society Registry for audit and quality assessment of percutaneous coronary interventions in the United Kingdom[J]. Heart, 2011, 97(16): 1293.

[6] Gray N A, Mahadevan K, Campbell V K, et al. Data quality of the Australia and New Zealand Dialysis and Transplant Registry: a pilot audit[J]. Nephrology (Carlton), 2013, 18(10): 665.

[7] Xian Y, Fonarow G C, Reeves M J, et al. Data quality in the American Heart Association Get With The Guidelines-Stroke (GWTG-Stroke): results from a national data validation audit[J]. Am Heart J, 2012, 163(3): 392.

[8] Kyte D, Ives J, Draper H, et al. Inconsistencies in quality of life data collection in clinical trials: a potential source of bias? Interviews with research nurses and trialists[J]. PLoS One,2013,8(10):e76625.

[9] Magee M J, Wright C D, Mcdonald D, et al. External validation of the Society of Thoracic Surgeons General Thoracic Surgery Database[J]. Ann Thorac Surg,2013,96(5):1734.

[10] Willis C D, Jolley D J, Mcneil J J, et al. Identifying and improving unreliable items in registries through data auditing[J]. Int J Qual Health Care,2011,23(3):317.

[11] Reeves M J, Mullard A J, Wehner S. Inter-rater reliability of data elements from a prototype of the Paul Coverdell National Acute Stroke Registry[J]. BMC Neurol, 2008, 8:19.

[12] Harboe K M, Anthonsen K, Bardram L. Validation of data and indicators in the Danish Cholecystectomy Database[J]. Int J Qual Health Care,2009,21(3):160.

[13] Shahian D M, Silverstein T, Lovett A F, et al. Comparison of clinical and administrative data sources for hospital coronary artery bypass graft surgery report cards[J]. Circulation,2007,115(12):1518.

[14] Adler A, Lieberman D, Aminalai A, et al. Data quality of the German screening colonoscopy registry[J]. Endoscopy, 2013, 45(10): 813.

[15] Abernethy A P, Etheredge L M, Ganz P A, et al. Rapid-learning system for cancer care[J]. J Clin Oncol, 2010, 28(27): 4268.