真实世界数据库构建标准指南_18页_371kb

真实世界数据库构建标准指南总结

一、总则

本指南旨在建立一套标准化、可量化、可追溯的数据治理与分析体系，以应对医疗大数据在科研转化中的复杂挑战，确保数据资产的规范化管理与高效利用。

主要目的

• 解决数据采集进度失控、数据质量参差不齐、关键数据缺失与错乱、数据标准未履行等问题。
• 构建统一的科学数据基础设施，服务于多种医学与管理目标。

适用范围

• 数据采集对象：涵盖全国范围内的“三医联动”数据治理体系，包括卫生健康、医疗保障、药品监管等系统的临床诊疗、医保结算、药品不良反应等数据。
• 数据类型：包括结构化、非结构化/半结构化数据。
• 应用场景：适用于流行病学研究、临床试验设计辅助、真实世界研究（RWS）、精准医学分析、卫生技术评估、智慧医疗等。

二、真实世界数据库构建规范

（五）数据采集范围

1. 医疗机构数据

   • 采集系统：HIS、LIS、PACS、EMR
   • 关键数据元：患者基本信息、门诊/住院记录、病案首页、医嘱明细、检验检查结果、手术操作记录、护理记录等

2. 医疗保障数据

   • 采集系统：医保结算平台
   • 关键数据元：医保结算清单、费用明细、医保版疾病诊断编码、药品目录匹配数据、异地就诊结算数据等

3. 药品监管数据

   • 采集系统：药品不良反应监测系统
   • 关键数据元：药品不良反应监测数据、药物警戒信号、药品流通追溯数据、药械注册信息等

4. 其他数据

   • 包括人口基础信息、户籍登记、死亡注销、婚姻登记、社会救助、殡葬服务、区域人口统计、环境监测等，用于补充患者全生命周期数据。

（六）构建业务镜像库

• 定义：业务镜像库是对源业务系统的数据备份，数据模型与业务系统保持一致。
• 流程：
  1. 建立连接（使用 JDBC 或 RESTful API 等技术）
  2. 编写采集脚本并定期自动运行
  3. 实施增量更新机制，仅采集变化数据
  4. 构建患者主索引（EMPI）以实现跨系统数据关联
  5. 进行不可逆脱敏处理

（七）构建标准资源库

• 定义：基于资源通用数据模型（RCDM），对多源异构数据进行标准化组织与存储。
• 流程：
  1. 数据映射：建立源与目标数据模型的映射关系
  2. 数据清洗：包括格式转换、通用计算、字典映射等
• 质控重点：确保数据业务逻辑合理性与一致性，建立多表交叉校验机制。

（八）构建观察数据库

• 定义：将疾病、药品、手术、检验等数据进行标准化处理，清洗非结构化文本数据。
• 流程：
  1. 数据标准化：依据国家标准完成疾病、药品、手术、检验编码归一化
  2. 文本结构化：通过医学知识组定义规则，拆分非结构化文本信息
• 质控重点：验证编码映射准确性与文本解析正确性，确保数据归一化与标准化。

（九）构建科学变量库

• 定义：涵盖社会/经济/环境/地理、疾病、手术、药品、检验、术语、中医症候等业务域，包含超过10万+数据变量。
• 流程：
  1. 创建变量集、变量组和变量
  2. 数据变量构建与治理：定义、分类、审核、更新
• 质控重点：确保变量定义规范性、关联关系准确性、生成逻辑合理性，建立多级审核机制。

（十）构建科学数据库

• 定义：基于科学通用数据模型（SCDM）组织存储，面向全域人群的纵向数据队列仓库。
• 流程：
  1. 变量加工：生成查询、取值、值域转换脚本
  2. 数据转换：将变量数据映射至科学数据任务库
  3. 生成科学数据队列仓库：支持数据血缘关系追溯与可视化展示
• 质控重点：验证变量加工逻辑、数据转换映射、队列生成准确性，排查脚本错误、数据丢失、结构异常等问题。

三、安全与隐私保护

（十一）隐私保护技术

1. 不可逆脱敏与受控追溯

   • 所有数据脱敏操作不可逆，仅允许在特定物理隔离机制下进行反向追溯。
   • 移除或泛化18类直接标识符（如姓名、身份证号等）。

2. 隐私计算技术

   • 对极度敏感数据采用联邦学习等隐私计算技术，实现“数据不动模型动，数据可用不可见”。

（十二）数据安全运维

1. 分级分类存储与隔离

   • 普通科研数据存储于分析区，敏感数据存储于绝密区并加密。
   • 建立网络安全隔离区，控制内外网数据交换。

2. 权限控制与审计

   • 实施基于角色的访问控制，遵循最小够用原则。
   • 建立全链路审计日志，记录所有数据操作行为，保存至少5年。

四、术语与定义

（十三）真实世界研究（RWS）

• 在真实医疗服务环境中，利用真实世界数据开展关于医疗干预措施的研究，涵盖队列研究、病例对照研究、横断面研究、注册研究等，区别于传统随机对照试验（RCT）。

（十四）真实世界数据（RWD）

• 在日常医疗照护、公共卫生管理、医保支付等非试验性场景中收集的数据，如电子病历、医保结算数据、疾病登记数据、药品不良反应监测数据等。

（十五）真实世界证据（RWE）

• 通过对真实世界数据进行系统分析，获得医疗产品的使用模式、疗效、安全性及经济性的临床或决策证据，用于支持药物和医疗器械的研发、监管决策等。

（十六）通用数据模型（CDM）

• 一套标准化的数据模型和编码规范，用于实现多源异构数据的语义与结构统一，支持多中心数据整合与跨机构分析。

（十七）JDBC (Java Database Connectivity)

• Java 编程语言用于连接、查询和操作关系型数据库的标准 API，支持数据库无关性与数据访问标准化。

（十八）患者主索引（EMPI）

• 用于唯一识别和管理患者身份的核心索引系统，通过算法和规则实现跨系统数据去重、合并与关联。