Gambling Dataset

本系列第一部分：“采用现代方法汇总、清理和转换临床数据”

过去几年，临床试验数据的数量和种类都在迅速增加。目前，50-70% 的数据来自 EDC 以外的第三方来源。1数据管理员不得不依靠手动方法和多个电子表格跟踪器来跟踪多个数据源和数据集。确保所有数据有效且有据可查已成为数据管理员及其团队的主要难题。

但他们面临的最大挑战之一是将来自不同来源和不同数据模型的数据整合到一个统一的结构中。现有的行业标准和数据模型需要进行大量转换才能将源数据与模型对齐，因此将原始数据拟合到这些模型中非常耗时。

直到最近，还没有可用的选项来帮助数据管理员应对这一挑战，尤其是在临 巴西赌博数据 床试验数据的数量和种类不断增加的情况下。数据团队通常使用统计计算环境来汇总和协调数据，但这些环境依赖于每个赞助商或 CRO 独立开发的定制代码。此外，它们不允许从系统内部清理数据，并且他们所需的数据连接器通常很脆弱。

简单采集，确保数据完整且并发
为了解决这一挑战，Veeva 的 CDB 临床数据工作台采用了一种简单的数据模型，将所有研究数据（无论其来源如何）整合到一个统一的数据结构中，作为每项试验的骨干。Veeva CDB 以此结构为核心，确保来自不同来源的数据保持一致，同时仍考虑到每项研究和供应商数据源的独特性。

下一个目标是找到将完整且同步的临床数据纳入系统的最佳方法。拥有所有研究数据并确保其为最新数据将使数据管理团队能够轻松、快速地在一个地方访问所有研究数据，而无需他们尝试拼凑所有研究数据的概述。它还将消除传统摄取方法中存在的陈旧数据限制。

然而，提取过程需要尽可能简单，以允许第三方提供商快速将数据输入系统，而无需额外的编程或重大转换。

Veeva 注重一致性和简便性，采用了基于清单的数据定义的常用最佳实践，并将其应用于数据传输和提取，这种方法以前从未在临床数据中尝试过。清单文件将传入数据与研究主干对齐，使数据提供者在协议更新时更容易修改源数据定义。Veeva 还创建了一个清单生成器，使数据提供者可以更轻松地生成清单文件，而无需了解如何手动创建自己的清单文件。