临床试验数据的真实、准确、完整，是保障试验结果可靠的核心，而数据质疑的管理，正是DM的核心工作之一。在项目关键节点（期中分析、锁库等），一旦质疑处理滞后或遗漏，不仅会拖延试验进度，还可能埋下数据隐患。
本文将围绕DM的核心工作场景，分享提高质疑管理效率的专业思路和经验。
一 、数据质疑的发生和管理流程
数据质疑，是DM在数据审核中，发现数据缺失、逻辑矛盾、格式错误等问题后，向研究者/CRC发起的疑问。而在整个项目过程中，DM需要重复执行从“发现疑问”到“解决疑问”，“验证确认”的全流程，做到“有疑问、有解决”，不遗漏任何一个问题。
举个常见例子：不良事件的开始日期为2026-04-15，结束日期为2026-04-01。日期逻辑明显异常，DM发起质疑后，CRC协助研究者核实为填写错误，修正后DM复核无误，关闭质疑，这就是一次完整的过程。
二、DM高效管理质疑的技巧
1. 明确录入规则和核查要点
DM在数据核查过程中的两大重要文件：数据核查计划（Data Validation Plan, DVP）和CRF填写指南（CRF Completion Guideline, CCG）。
数据核查计划：在线核查，可确保常规的质疑（数据缺失、格式错误、范围核查等）在数据录入后即时触发；SAS核查和人工核查分别约定逻辑复杂和编程无法识别的核查要点，定期由DM人工发送相关质疑。因此，DM在项目初期需要根据方案和病例报告表（Case Report Form, CRF），在DVP中明确每个表单的核查要点，以提高后续数据清理效率。
CRF填写指南：可指导研究者/CRC进行数据录入。重点表单和字段的录入规则，可在该文件中标明，比如不良事件分级时如何记录等。
明确的录入规则和核查规则，可以确保DM在清理过程中全面、充分、及时地发现数据问题，保证数据录入的完整和有效。
举例：
录入规则：不良事件等级升级，需新增拆分记录；等级降级，不需要新增拆分记录。
示例不良事件实际发生情况为：
录入EDC中为：
2. 精准发起质疑，避免“无效提问”
DM核查数据时需精准定位问题，在质疑内容中明确 涉及的表单、数据点。可梳理常见疑问类型（如逻辑矛盾、格式错误等），制定标准化质疑模板，减少重复沟通成本。
举例：EDC数据记录为AE#1（AST升高，2025-12-01，持续中）的“是否持续”选择“是”，D84访视AST的检查日期（2026-01-15）在不良事件持续期间，但临床评估为正常。
低效质疑：参与者部分数据有矛盾，请核实。（未指明表单、字段、时间点，CRC 反复来回沟通确认问题位置，浪费大量时间）。
精准质疑：该不良事件的“是否持续”选择“是”，但D84血生化表单的AST临床评估为正常，请核实该不良事件是否已结束。
3. 明确数据质疑沟通和反馈路径，减少拖延
通常需要线下沟通确认的质疑有两类，常规质疑和非常规质疑。常规质疑（如格式错误、数据缺失、逻辑矛盾等）：为DM依据DVP和CCG定期清理（线上+线下清理方式结合）产生，通过月度数据进展报告督促项目组及时完成质疑处理和缺失数据补录。需注意的是，如再质疑两次还是无法解决问题，DM需线下与团队直接沟通高效解决。非常规质疑指超出既往已明确核查范围所发现的质疑问题，DM撰写Q&A文件，及时通过邮件与项目经理/医学经理进行确认，明确数据问题发生原因和处理方式，最终将确认/讨论达成一致的文件同步至项目组。
举例：某项目在数据清理阶段，DM发现既往/合并用药表单中存在一类数据问题“同种药物，用药1天，给药频率录入st、once或QD，录入不统一”。经DM确认，该问题属于DVP未覆盖的非常规问题。在整理该问题背景并撰写Q&A文件后，DM通过邮件方式，请项目经理进行确认，最终项目组确定这类数据源自医嘱，不做修改和统一。DM将则定稿更新并归档Q&A文档，归档并同步全部项目组成员，后续同类问题统一按该口径记录处理，不再重复质疑。
4. 关键节点（期中分析、锁库等）制定详细清理计划
项目关键节点，如期中分析、数据库锁定等，DM需同项目组商定，制定详细的清理时间计划。如项目中心数量多或试验参与者数量多，可定期汇总展示各中心质疑处理情况，提高项目团队数据录入、清理和质疑解决效率。
举例：某I期项目存在多次期中分析节点，且间隔时间较短。期中分析节点前，考虑数据录入与核查时间均十分紧张，DM选择提前与项目组沟通确定详细的清理时间计划。在执行计划期间，DM严格按该计划执行相关工作，并向项目组持续协助提供系统报表给项目组参考使用，明确待处理问题，提醒并协助项目组及时完成质疑处理和数据查漏补缺。通过前置计划与可视化跟踪，DM协同项目组均按期完成各期中分析数据发布准备，没有未出现因数据清理未完成导致质疑积压导致节点延期数据延迟交付的情况。
5. 巧用质疑管理工具
在数据集中清理期间，面对大量的待发质疑和待处理质疑，DM可以借助EDC系统的质疑管理平台，批量进行质疑发布和质疑关闭。
注：批量操作有风险，使用需谨慎。
6. 避坑提醒：这两个误区要避开
误区1：质疑越多越好。过度质疑会增加团队负担，反而拖慢效率。
误区2：只关注解决，不关注根源。可定期汇总高频质疑（如某中心反复出现填写错误），针对性开展培训，从源头减少疑问。
结语
数据质疑管理，不是DM的“单打独斗”，而是DM、MM、研究者、CRC、CRA的协同配合，整个项目组共同发力才能保障临床试验数据质量，推动试验顺利推进。
