中藏药临床CTMS与中心化监查

临床试验数据里的问题

中藏药临床项目的数据分散在 CTMS、EDC、SAE 报表和 CRA 访视记录中。入组率看似正常，可能掩盖方案违背与质疑积压；某些中心数据录入很少，风险却不一定低。只看汇总进度，很难发现中心间的差异，也难以判断哪些中心需要提前访视或调整资源。

技能如何工作

本技能以临床运营视角解析 CTMS 数据快照，结合 ICH E6(R2)、FDA 与 NMPA GCP 要求，将项目管理数据转化为中心化监查判断：

• 背景确认：试验分期、治疗领域、项目阶段、中心特征、CTMS 数据来源、既有 KRI 阈值与法规框架，缺省时使用内置参考。
• 数据透视：交叉分析入组完成率、里程碑延迟、筛选失败率、数据录入延迟、质疑密度、质疑未解决时长、PD 类型与 SAE 上报时效等字段。
• 信号识别：区分“入组快但质量差”“入组慢且数据少”“长期不响应”“数据看似干净但 PD 集中”等中心类型，输出风险信号。
• 行动建议：给出中心红黄绿灯分级、访视频次调整、CRA 资源再分配、CAPA 触发条件与管理升级建议，并以 scripts/analyze_ctms.py 处理结构化 CSV/JSON，用 references/kri-reference.md 核对默认阈值与法规依据。

适用边界

• 分析质量取决于输入字段完整性与口径统一；缺失 KRI 定义时建议先与统计、数据管理、临床运营对齐。
• RBM 信号用于辅助资源决策，不替代医学监查、稽查、独立药物安全审阅或方案规定的原始数据核查。
• 结果供内部运营讨论，需遵守隐私、数据跨境与试验盲态要求。