藏药真实世界数据治理与证据生成
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 将技能 @user_c160f2b7/tibet-med-rwd-rwe 安装到 AI 助手中。
技能介绍
要解决的问题
真实世界研究进入藏药领域时,失败往往发生在数据层:HIS/EMR 里是藏文诊断,医保系统里只有通用名与 ICD 编码,登记表里有炮制规格,而证明里没有把这些字段连成一条可追溯链条。另一个断层在方法层:如果 三因辨证、六味八性、服用时辰、炮制差异 这些构成藏药疗效假设的变量,没有在设计阶段就写进变量字典与敏感性分析计划,后期只能用事后亚组分析临时补救。
本技能把这两段工作统一起来,目标是让一次回顾性队列或自身对照研究,在 EMR 到 NMPA 报告模板之间少走返工。
核心能力
数据治理 帮助你构建一条 藏文原始表述 → ICD-11 Chapter 26 → SNOMED CT 的术语映射链,同时保留藏文原文用于人工复核。关键动作包括:
- 依据
VIF阈值结合临床重要性筛选候选变量,而不是机械删项 - 对缺失模式做诊断,判断属于 MAR / MCAR / MNAR,再决定插补策略
- 依据 ISO 24613:2008(藏文转写)与 GB/T 37973-2019(个人信息去标识化)定义字段级脱敏规则
- 按《用于产生真实世界证据的真实世界数据指导原则(试行)》产出数据治理报告
- 需要人遗审批时提供伦理批件、知情同意豁免说明、数据备份与销毁方案、数据流向图、人遗办审批编号
因果推断分析 按 Target Trial 框架定义估计目标,并在细节上贴合真实诊疗:
- 历史对照采用 1:2 或 1:3 匹配,使合并用药与辨证分型在 PS 上达到均衡
- 需要加权的分析改用
IPTW,并对极端权重给出截尾建议 - 利用
药味 → 六味 → 八性 → 十七效构建方剂相似度矩阵,提升处方层面的可比性 - 结局定义可覆盖藏医证候积分变化、现代量表(EQ-5D / SF-36)与西医临床终点,按研究目的分层
- 剂量-反应曲线建议使用分式多项式或 Emax 模型,取决于复方的药代特征
报告与外审准备 按 GB/T 37973-2019 与人遗条例要求输出文件集:脱敏声明、数据流向控制图、真实世界研究方案小结、人遗审批与知情同意补充表、代码与分析日志,以及可直接移交药监部门的数据集。
工作流与注意点
技能以六步推进:需求澄清 → 数据评估 → 治理方案 → 研究方案 → 结果解读 → 证据应用。前两步会先记录 组方、炮制、剂量、疗程、证型、联合用药、服用时辰 七个藏药专属字段,它们会直接影响后续变量字典与敏感性分析设计,而不是事后补录的元数据。
需要注意:该能力强调多源异构数据的标准化对接与目标试验模拟,以提升证据等级。
使用场景
- 启动藏药疗效回顾性队列前,评估 HIS/EMR 可用性,明确纳入排除、结局定义与随访缺口。
- 将 EMR 中藏文诊断按 ICD-11 Chapter 26 和 SNOMED CT 建立映射,并保留原文用于核查。
- 为上市后安全评价选择设计,比较自身对照、序贯分析或目标试验模拟,并预置敏感性分析。
- 按 NMPA 指南撰写 RWD 治理与 RWE 报告,整理数据流向、质量指标、因果效应量和证据等级。
适合人员
- 药企证据团队:需要把 HIS/EMR 和医保数据整理成可用于上市后评价的真实世界证据链。
- 藏药研发与注册人员:希望在保留三因辨证等藏医理论表述的同时,满足循证统计与监管口径。
- 医院数据治理人员:负责藏文病历编码、缺失值处理、去标识化和跨库字段一致性。
- 生物统计与流行病学研究者:需要选择 PSM、IPTW 等方法,并对效应量做临床与藏医理论解释。