5.7用一位“虚拟患者”跑通研究流程，解决的是谁在什么时间完成什么动作。接下来，团队要把方案里的“收集相关资料”，翻译成能够被不同人一致采集、核查和分析的数据。

这一篇不追求一次建完几百个字段。先选出10个最重要的变量，把名称、定义、时间点、来源、单位、编码和异常处理写清楚，再据此做出第一版病例报告表。字段不必多，意思必须一致。

5.7的流程预演结束以后，团队发现患者路线基本能够走通，于是有人很自然地说：

“那我先建个Excel，大家开始填吧。”

表格很快建好了：年龄、合并症、手术方式、疼痛、并发症、预后。

前三位患者填完，问题就来了。

同样是“术后疼痛”，有人记录静息状态下的0—10分，有人记录下床活动时的评分，还有人直接填“有”或“无”。有人在术后12小时问，有人在第二天查房时问。每个人都认真完成了工作，但这些数字已经不是同一件事。

Excel没有出错，出错的是团队以为大家看到同一个词，就会理解成同一个变量。

一、从5.7到5.8：研究流程跑通了，数据语言还没有统一

研究方案通常写得比较概括：收集人口学资料、既往史、实验室指标、治疗情况和随访结局。

这些表达适合说明研究准备观察什么，却还不能直接指导数据采集。

例如“高血压史”，至少还有几种可能：病历中出现过诊断、患者自述、目前正在服用降压药，或者研究当天测量达到某个阈值。几种定义各有用途，但不能一会儿用这个、一会儿用那个。

所以，建立采集表以前，应当先建立一份变量字典。

变量字典并不神秘。它只是把团队经常说的临床概念，翻译成一套能够重复执行的说明书：什么算，什么不算；什么时候测；从哪里取；怎样填写；遇到特殊情况怎么办。

NIH对通用数据元素的定义也体现了这个思路：一个数据元素应当是被准确界定的问题，并配有明确的允许回答，以便在不同研究或中心之间保持一致。NIH通用数据元素介绍

二、先把一个“术后疼痛”拆明白

不要先处理一百个字段。先拿主要结局开刀。

假设研究准备观察术后24小时疼痛，只写一个变量名还不够，至少要回答下面八个问题。

1. 为什么收？

它是主要结局、次要结局、重要预测因素，还是仅用于描述患者？

变量在研究中的作用不同，允许缺失的程度、采集精度和质控优先级也不同。

2. 它到底指什么？

是术后24小时静息痛、活动痛，还是24小时内最严重的一次疼痛？

临床上都可以叫“术后疼痛”，研究中必须选定其中一个，或者分别建立不同变量。

3. 用什么方法测？

采用哪一种量表，由患者报告还是研究人员判断？如果患者暂时无法完成评价，记录缺失、延后补测，还是使用方案预先规定的替代方法？

4. 在什么时间测？

“术后24小时”是否允许±2小时？时间从手术结束、离开复苏室，还是回到病房开始计算？

时间起点和窗口不确定，最后得到的就可能是处于不同恢复阶段的数据。

5. 数据从哪里来？

来自研究人员床旁询问、护理记录、麻醉系统，还是患者电子问卷？如果多个来源不一致，以哪一个为准？

6. 怎样保存？

变量使用整数还是小数？允许范围是什么？“未评估”“患者拒绝”“不适用”和“确实为0分”必须分开，不能都用空白或0表示。

7. 谁负责采集和复核？

白天由研究护士采集，夜间或节假日由谁替代？发现超过范围或时间窗时，谁判断能否接受？

8. 后面怎样分析？

是直接使用原始评分，还是根据预先确定的界值生成“是否发生中重度疼痛”？如果需要派生变量，计算规则和使用的原始字段应当提前写清。

把这八个问题回答完，“术后疼痛”才从一个临床词语变成了可以采集和分析的研究变量。

三、变量字典、病例报告表和数据库，不是同一个东西

这三个概念经常被混在一起。

**变量字典管含义。**它规定每个变量的名称、定义、类型、取值、单位、时间点、来源和处理规则，让团队说同一种数据语言。

**病例报告表，也就是CRF，管采集。**它按照筛选、基线、治疗、访视和结局等真实流程组织问题，让执行人员在正确的时间填写正确的字段。

**数据库管保存和追溯。**它进一步处理权限、录入、校验、修改记录、备份、导出和数据版本。

ICH E6(R3)把CRF归入数据采集工具，并强调这类工具应当符合研究目的、能够采集方案要求的信息，而且应在正式使用前准备并验证完成。ICH E6(R3)

顺序因此很重要：先把变量说明白，再把它们排进采集流程，最后才决定用Excel、电子数据采集系统，还是其他受控平台保存。

反过来先建数据库，很容易得到一张外表整齐的表：每一列都有名字，但没人能准确解释这一列当初为什么这样填。

四、用45分钟，完成10个核心变量的v0.1

第一次不用追求完整。选择一项研究中最影响结论的10个变量即可，通常包括：

• 主要结局；
• 关键干预、暴露或预测因素；
• 决定纳入资格的变量；
• 最重要的混杂因素或基线特征；
• 与参与者安全直接相关的指标。

然后安排一次45分钟的小工作。

前10分钟，从方案和5.7的患者路线中找出这10个变量，并写明每个变量为什么必须收。

中间20分钟，为每个变量填写名称、字段名、临床定义、类型、单位或选项、采集时间、允许窗口、数据来源和缺失规则。

接着10分钟，把变量按真实访视顺序排进一页CRF草稿。能够选择的尽量少留自由文本；单位直接固定在字段旁；把“不知道”“未完成”和“不适用”设计成不同选项。

最后5分钟，用三个边界场景试填：一位标准患者、一位关键资料缺失的患者，以及一位出现超窗或流程变化的患者。凡是填表人员需要“凭感觉理解”的地方，都返回变量字典继续修改。

最低完成标准只有三项：

1.    10个核心变量都有明确含义和来源；
2.    主要结局能够被另一位成员按同样方法采集；
3.    变量字典与CRF标明版本、日期和确认人员。

五、AI可以起草，但临床定义必须由人拍板

把研究方案、访视表和空白模板交给AI，它可以很快列出候选变量，生成字典初稿，统一字段命名，并检查CRF是否遗漏了某个时间点。它还可以提示单位冲突、取值范围错误和前后逻辑矛盾。

但AI不知道本研究中的“术后24小时”究竟从哪个节点开始，也不能自行决定某项量表是否适合这类患者。它找到的通用数据元素和标准术语，也必须由临床、统计和数据人员核对原始来源与适用范围。

更不能为了让AI“帮忙设计字段”，把带身份信息的真实患者记录直接上传到未经批准的公共工具。

这一步最合理的分工是：

• 临床人员确定概念是否符合真实诊疗；
• 统计人员确认变量能否支持预定分析；
• 数据人员确认字段、编码和逻辑能否实现；
• 一线填写者试用CRF，找出那些坐在会议室里看不见的麻烦。

六、变量字典是资产，但患者数据不是私人财产

一份经过实际项目检验的变量字典，确实有长期价值。

它可以被改进、复用和扩展，帮助下一项研究少走弯路，也能在多中心合作时迅速说明数据口径。医生真正能够积累的“科研小金库”，是问题体系、变量定义、量表选择、派生算法、采集流程、质控规则和版本记录。

但患者级数据的访问、使用和共享，仍受伦理批准、知情同意、法律法规、机构制度和合作协议约束。整理数据的人应当获得与真实贡献相匹配的署名、权益和回报，但这不等于可以把患者数据复制到个人电脑，变成个人所有。

专业能力可以沉淀，数据使用必须有边界。

结语：同一个词，必须对应同一种数据

临床研究的数据质量，不是从统计分析那一天才开始。

当第一个人把“疼痛”理解成静息痛，第二个人理解成活动痛，第三个人把空白当成0分时，后面再漂亮的模型，也只是在认真计算三件不同的事。

所以5.8不需要立刻建立一座宏伟的数据库。

先拿出45分钟，把10个核心变量说清楚，让另一位同事能够按照同一规则完成采集。字典只有几行也没关系，只要每一行都经得起追问。

数据的第一道质控，不是查错，而是让大家一开始就知道自己在记录什么。

下一篇5.9，我们再讨论：变量和CRF确定以后，怎样建立一个能够控制权限、保留修改痕迹、支持质控和安全导出的临床研究数据工作台。

10个核心变量字典模板

项目名称及版本：
变量中文名称：
字段名：
研究用途： 主要结局、暴露、预测因素、混杂因素、资格判断或安全指标
临床及操作性定义：
数据类型： 数值、日期、分类、文本
单位或允许选项：
采集时间及允许窗口：
数据来源：
采集者及复核者：
缺失、不适用及异常规则：
派生规则：
逻辑校验：
确认人员与日期：

主要资料

1.  International Council for Harmonisation. ICH E6(R3) Guideline for Good Clinical Practice. 2025. https://database.ich.org/sites/default/files/ICH_E6%28R3%29_Step4_FinalGuideline_2025_0106_ErrorCorrections_2025_1024.pdf
2. U.S. Food and Drug Administration. Electronic Source Data in Clinical Investigations: Guidance for Industry. 2013. https://www.fda.gov/regulatory-information/search-fda-guidance-documents/electronic-source-data-clinical-investigations
3. NIH National Library of Medicine. Common Data Elements: Standardizing Data Collection. https://www.nlm.nih.gov/oet/ed/cde/tutorial/03-100.html
4. NIH Common Data Elements Repository. https://cde.nlm.nih.gov/home

说明：本文提供的是建立变量字典和CRF初稿的通用工作方法，不是适用于所有研究的正式模板。具体变量、量表、阈值、时间窗、源数据、系统验证和权限安排，应结合研究方案、统计分析计划、伦理要求及所在机构制度确定。