临床数据清洗器

清理、验证并标准化临床试验数据，使其符合CDISC SDTM标准，以便向FDA或EMA提交监管申请。

快速开始

python
from scripts.main import ClinicalDataCleaner

初始化人口学领域

cleaner = ClinicalDataCleaner(domain=DM)

使用默认设置清洗数据

cleaned = cleaner.clean(raw_data)

保存并附带审计追踪

cleaner.save_report(output.csv)

核心功能

1. SDTM领域验证

python
cleaner = ClinicalDataCleaner(domain=DM) # 或 LB, VS
isvalid, missing = cleaner.validatedomain(data)

必填字段：

• - DM：STUDYID、USUBJID、SUBJID、RFSTDTC、RFENDTC、SITEID、AGE、SEX、RACE
• LB：STUDYID、USUBJID、LBTESTCD、LBCAT、LBORRES、LBORRESU、LBSTRESC、LBDTC
• VS：STUDYID、USUBJID、VSTESTCD、VSORRES、VSORRESU、VSSTRESC、VSDTC

2. 缺失值处理

python
cleaner = ClinicalDataCleaner(
domain=DM,
missing_strategy=median # mean、median、mode、forward、drop
)
cleaned = cleaner.handlemissingvalues(data)

3. 异常值检测

python
cleaner = ClinicalDataCleaner(
domain=LB,
outlier_method=domain, # iqr、zscore、domain
outlier_action=flag # flag、remove、cap
)
flagged = cleaner.detect_outliers(data)

临床阈值：

参数	范围	单位
血糖	50-500	mg/dL
血红蛋白

5-20 | g/dL |
| 收缩压 | 70-220 | mmHg |

4. 日期标准化

python
standardized = cleaner.standardize_dates(data)

转换为ISO 8601格式：2023-01-15T09:30:00

5. 完整流程

python
cleaner = ClinicalDataCleaner(
domain=DM,
missing_strategy=median,
outlier_method=iqr,
outlier_action=flag
)
cleaned_data = cleaner.clean(data)
cleaner.save_report(output.csv)

输出文件：

• - output.csv - 清洗后的SDTM数据
• output.report.json - 用于监管提交的审计追踪

命令行使用

bash

清洗人口学数据

python scripts/main.py \
--input dm_raw.csv \
--domain DM \
--output dm_clean.csv \
--missing-strategy median \
--outlier-method iqr \
--outlier-action flag

使用临床阈值清洗实验室数据

python scripts/main.py \ --input lb_raw.csv \ --domain LB \ --output lb_clean.csv \ --outlier-method domain

常见模式

参见 references/common-patterns.md 获取详细示例：

• - 监管申报准备
• 中期分析数据准备
• 数据库迁移清理
• 外部实验室数据整合

故障排除

参见 references/troubleshooting.md 获取以下问题的解决方案：

• - 验证失败
• 日期解析错误
• 大数据集内存错误
• 异常值检测问题

质量检查清单

清洗前：

• - [ ] 获得IACUC批准（动物研究）
• [ ] 样本量具有足够统计效力
• [ ] 随机化方法已记录

清洗后：

• - [ ] 对照CDISC SDTM IG进行验证
• [ ] 在审计追踪中审查所有清洗操作
• [ ] 测试导入分析软件

参考资料

• - references/sdtmigguide.md - CDISC SDTM实施指南
• references/domainspecs.json - 领域特定字段要求
• references/outlierthresholds.json - 临床异常值阈值
• references/common-patterns.md - 详细使用模式
• references/troubleshooting.md - 问题解决指南

---

技能ID：189 | 版本：2.0 | 许可证：MIT