数据标准在临床队列研究的数据收集、整合及共享过程中发挥着重要作用，并逐渐受到重视。本研究通过对5项国际成熟的数据标准模型进行综述，总结其特点和发展现状，并将各模型的数据模块与临床队列通用数据集进行匹配，以探究国际数据标准模型的适用性，为我国临床队列研究数据标准模型的制定与完善提供参考。
临床队列研究在病因和危险因素、预后及其影响因素、防治效果及远期疗效等临床研究领域发挥着重要的作用。即使研究同一临床问题，不同团队开展的队列研究从设计实施、变量定义、数据收集及整理等各个阶段的差异性，导致不同临床队列数据之间存在异质性，阻碍了数据的整合与共享。数据标准模型通过将来自不同卫生信息系统的众多纷杂数据标准化为一种通用格式，有助于数据的规范化收集。本研究通过梳理现有数据标准模型的现状与特点，明确我国临床队列数据标准发展方向，为今后的临床队列数据的整合与共享提供思路。
目前国内外常用的数据标准模型均为国外组织开发，适用于临床队列研究且较成熟的数据标准模型有：开放式电子健康档案（Open Electronic Health Record，OpenEHR）组织开发的开放式电子健康档案规范［1］、美国卫生信息传输标准（Health Level Seven，HL-7）组织开发的快速医疗互操作资源［2］（Fast Healthcare Interoperability Resources，FHIR）、观察性健康数据科学和信息学（Observational Health Data Sciences and Informatics，OHDSI）协作组开发的通用数据模型［3］（Common Data Model，OMOP CDM）、临床数据交换标准协会（Clinical Data Interchange Standards Consortium，CDISC）开发的临床数据获取协调标准［4］（Clinical Data Acquisition Standards Harmonization，CDASH）、以患者为中心的结果研究所（Patient-Centered Outcomes Research Institute，PCORI）开发的通用数据模型［5］（Common Data Model，PCORnet CDM）。以上5种数据标准模型的基本情况见表1，其具体的相关模块见表2。
国内外常用数据标准模型基本情况
国内外常用数据标准模型基本情况
模型 名称 | 开发 组织 | 首版发布时间 | 最新 版本 | 数据转换 过程/技术 | 辅助工具 | 特点/优点 | 不足 | 应用举例 |
|---|---|---|---|---|---|---|---|---|
| PCORnet CDM | PCORI | 2014 | 5.1 | 数据抽取- 转换-加载（ETL） | FDA Mini-Sentinel CDM、MSCDM系统 | 为功能性分布式研究网络，可进行多站点临床试验和观察性研究 | 适用范围相对有限；数据来源于医疗保健系统，自费相关记录缺失；跨医疗系统的数据（如处方和配药）之间存在匹配率较低的问题 | 心力衰竭疾病队列数据标准［6］、临床研究多数据源数据链［7］ |
| CDASH | CDISC | 2012 | 2.1 | ETL | XML、REDCap系统 | 可实现多源数据整合，适用于大多数临床试验 | 部分有所区别的临床变量（如疫苗和药物）共用同一个域，应用时存在一定的偏差；干预事件域缺乏灵活性，不支持方案外的未指定干预 | 标准化病例报告表、基于系统互操作的公共数据模型［8］ |
| OMOP CDM | OHDSI | 2012 | 6.0 | ETL | White-Rabbit、 Rabbit-In-a-Hat、 Usagi 和Achilles数据特征化工具等 | OMOP CDM定义了一种统一的数据标准，可以规范多源异构的观察性数据的格式和内容 | 只允许OMOP标准概念，部分研究与公共数据模型词汇表存在对应偏差，应用时存在不适性 | 英国临床实践研究数据链［9］、通用生存分析程序的建立［10］ |
| FHIR | HL-7 | 2011 | 4.0.1 | StructureMap | XHTML、XML、JSON、异构系统集成技术（RESTful WebService） | 支持多种文档架构，提供多种实现的代码库 | 表达能力受资源定义限制；不支持构建私有资源；资源不断维护，参考模型不太稳定 | 病案首页信息化模型建立［11］、患者辅助决策系统［12］ |
| OpenEHR | OpenEHR Organization | 1997 | 1.5.0 | ETL | XML、NoSQL、SSIS、EHRServer | 用户可参与；易维护；支持语义互操作；领域知识共享 | 方法语义不严格；没有以可推理的方式来描述知识，不足以用于复杂场景；存在多年但应用率仍不高 | 电子病历数据信息建模［13］、多国电子健康档案数据中心标准、冠脉临床影像大数据平台［14］、LinkEHR平台［15］ |
数据标准模型相关模块
数据标准模型相关模块
| 模型名称 | 模块类别 | 模型名称 |
|---|---|---|
| PCORnet CDM | 核心表（Core Tables） | 人口统计学资料（DEMOGRAPHIC）、注册（ENROLLMENT）、医疗保健事件（ENCOUNTER）、诊断（DIAGNOSIS）、程序（PROCEDURES）、生命体征（VITAL）、药物分发（DISPENSING）、实验室检测结果（LAB_RESULT_CM）、健康状态（CONDITION）、患者报告结果（PRO_CM）、处方（PRESCRIBING）、PCORnet临床试验（PCORNET_TRIAL）、死亡（DEATH）、死亡原因（DEATH_CAUSE）、用药管理（MED_ADMIN）、提供者（PROVIDER）、临床观察结果（OBS_CLIN）、其他结果（OBS_GEN）、密钥（HASH_TOKEN）、地址纵向历史记录（LDS_ADDRESS_HISTORY）、免疫接种记录（IMMUNIZATION）、数据采集（HARVEST） |
| 补充表（Supplementary Tables） | 个人信息隐私（PRIVATE_DEMOGRAPHIC）、个人地址隐私（PRIVATE_ADDRESS_HISTORY）、地理编码隐私（PRIVATE_ADDRESS_GEOCODE） | |
| CDASH | 个体基线水平集（ASSOCIATED PERSONS DOMAINS） | 注释（CO）、人口统计学（DM） |
| 干预集（INTERVENTIONS CLASS DOMAINS） | 既往与伴随用药史（CM）、暴露史和前暴露史（EC）、程序（PR）、物质使用（SU） | |
事件集（EVENTS CLASS DOMAINS） | 不良事件（AE）、临床事件（CE）、实施情况（DS）、方案偏离（DV）、医疗保健事件（HO）、病史（MH） | |
结果集（FINDINGS CLASS DOMAINS） | 药物分发和回收（DA）、死亡详情（DD）、心电图检测结果（EG）、纳入/排除标准（IE）、实验室检查结果（LB）、微生物样本（MB）、微生物敏感性（MS）、显微镜下发现（MI）、药代动力学采样（PC）、体格检查（PE）、调查问卷、评分和量表（QRS）、生殖系统发现（RP）、疾病反应与临床分类（RS）、受试者特征（SC）、肿瘤/癌前病变识别（TU）、肿瘤/癌前病变结果（TR）、生命体征（VS）、关于事件或干预的其他发现（FA） | |
| OMOP CDM | 诊疗信息（CARE） | 观察（OBSERVATION）、评估（EVALUATION）、指示（INSTRUCTION）、执行（ACTION） |
| 管理信息（ADMIN） | 患者信息（PERSON）、医院信息（HOSPITAL）、费用分类信息（CHARGE CLASSIFICATION）、医师签名（SIGNATURE）、法律约束（LEGAL CONSTRAINT） | |
词汇表 （Standardized Vocabularies） | 概念（CONCEPT） 、词汇（VOCABULARY） 、域（DOMAIN）、概念分类（CONCEPT CLASS）、概念之间的联系（CONCEPT RELATIONSHIP）、相关词汇（RELATIONSHIP）、同义词（CONCEPT SYNONYM）、概念的起源（CONCEPT ANCESTOR）、概念图的资料（SOURCE TO CONCEPT MAP）、药效（DRUG_STRENGTH） | |
| 元数据表（Standardized Metadata） | 资源（CDM SOURCE）、元数据（METADATA） | |
| 临床数据表（Standardized Clinical Data Tables） | 患者信息（PERSON）、观察周期（OBSERVATION_PERIOD）、入院（VISIT OCCURRENCE） 入院详情（VISIT DETAIL）、初始症状（CONDITION OCCURRENCE）、死亡（DEATH）、药物暴露（DRUG EXPOSURE）、进展过程（PROCEDURE OCCURRENCE）、仪器设备暴露（DEVICE EXPOSURE）、检测数据（MEASUREMENT）、记录（NOTE）、NLP记录（NOTE NLP）、调查（SURVEY CONDUCT）、观察（OBSERVATION）、样本（SPECIMEN）、事实联系（FACT RELATIONSHIP） | |
| 健康系统数据表（Standardized Health System Data Tables） | 居住地（LOCATION）、既往居住地（LOCATION_HISTORY）、医疗机构（CARE SITE）、信息提供者（PROVIDER） | |
| 健康经济数据表（Standardized Health Economics Data Tables） | 计划付款周期（PAYER PLAN PERIOD）、费用（COST） | |
| FHIR | 基础类（foundation） | 一致性（conformance）、术语（terminology）、安全性（security）、文档（document）、其他（other） |
| 基本结构类（base） | 个人（individual）、实体（entity）、工作流程（flowsheet） 、管理（management） | |
| 临床类（clinical） | 概况（Summary）、诊断（Diagnostics）、药物治疗（medications）、护理规定（care provision） 需求和反馈（Request & Response） | |
| 经济类（financial） | 赞助（sponsor）、发票（Billing）、支付（Payment）、一般情况（General） | |
| OpenEHR | 诊疗信息（CARE） | 观察（OBSERVATION）、评估（EVALUATION）、指示（INSTRUCTION）、执行（ACTION） |
| 管理信息（ADMIN） | 患者信息（PERSON）、医院信息（HOSPITAL）、费用分类信息（CHARGE CLASSIFICATION）、医师签名（SIGNATURE）、法律约束（LEGAL CONSTRAINT） |
根据5种标准模型的相关数据模块，结合孙一鑫等［16］设计的呼吸系统疾病专病队列变量模块，总结出我国临床队列的通用数据模块，涵盖入选排除标准、基本信息、生活方式与行为、环境因素、疾病史、诊断、治疗、随访、卫生经济学、生物样本等16个模块。各数据标准模型数据模块与队列数据模块的匹配情况见表3。目前常用的数据标准模型存在以下特点：
临床队列通用数据模块与各标准的匹配情况
临床队列通用数据模块与各标准的匹配情况
数据模块 名称 | 包含内容 | 数据标准模型匹配的模块 | ||||
|---|---|---|---|---|---|---|
| PCORnet CDM | CDASH | OMOP CDM | FHIR | OpenEHR | ||
| 入选排除标准 | 研究现场、研究对象招募的纳入排除标准、签署知情同意书与否等内容 | - | IE | - | Consent | EVALUATION ACTION |
| 基本信息 | 编号、纳入时间、通讯电话/地址等 | PCORNET_TRIAL LDS_ADDRESS_HISTORY | DM | PERSON OBSERVATION_PERIOD | Patient | EVALUTION ADMIN |
| 人口社会学特征 | 性别、出生日期、民族、职业、家庭年收入等 | DEMOGRAPHIC | DM | PERSON | Patient Observation | EVALUATION |
| 生活方式与行为 | 吸烟、饮酒、膳食、睡眠、体力活动等 | VITAL | SU SC | OBSERVATION | Patient Observation | EVALUATION OBSERVATION |
| 心理状况 | 抑郁、焦虑等 | CONDITION | SC | OBSERVATION | Patient | OBSERVATION |
| 环境因素 | 职业暴露、空气污染、噪声、绿地、邻里环境等 | - | EC | OBSERVATION | Observation | EVALUATION |
| 既往史/现病史 | 疾病史与基础疾病、用药史等 | CONDITION MED_ADMIN IMMUNIZATION | CM MH | OBSERVATION | Observation | EVALUATION |
| 生育史 | 初潮年龄、妊娠史等 | - | RP | OVSERVATION | Patient | EVALUATION |
| 家族史 | 一级/二级亲属疾病史、家族遗传病史 | - | AP | OBSERVATION | Family Member History | EVALUATION |
| 检查信息 | 体格检查、实验室检查、影像学检查、其他辅助 检查 | VITAL LAB_RESULT_CM OBS_CLIN OBS_GEN | EG LB PE VS | MEASUREMENT | Observation Diagnostic Report | ACTION OBSERVATION |
| 诊断信息 | 门诊/入院/出院诊断 | DIAGNOSIS | - | PROCEDURE_OCCURRENCE | Diagnostic Report | EVALUATION |
| 治疗情况 | 药物治疗、手术治疗、康复治疗等 | PROCEDURES DISPENSING PRESCRIBING | DA EX PR | DRUG_EXPOSURE DEVICE_EXPOSURE | Medication Administration Detected Issue | EVALUATION INSTRUCTION |
| 疾病进展与转归 | 不良反应、并发症、五年生存、死亡等 | PRO_CM DEATH | AE CE | CONDITION_OCCURRENCE DEATH | Adverse Event | EVALUATION |
| 卫生经济学指标 | 医疗费用、误工费用、医保报销等 | ENCOUNTER | - | - | Payment Reconciliation | ADMIN |
| 随访情况 | 随访时间、失访等 | - | DS | VISIT_OCCURRENCE | - | - |
| 生物样本 | 生物样本采集、储存、检测的数据等 | DEMOGRAPHIC | MB | SPECIMEN | Specimen | OBSERVATION |
1. 模块丰富，涵盖多种数据类型：数据标准模型大多依据病例报告表（CRF）中的问题或研究变量，将其划分为多个模块，涵盖纳排标准、人口社会学特征、环境因素、检查与诊断等临床队列常用信息。每个模型的模块丰富且各有特色。如PCORnet CDM为功能性分布式研究网络，可进行多站点临床试验和观察性研究，主要包括CONDITION、VITAL、DIAGNOSIS等22种主要模块［5］，OMOP CDM可规范多源异构的观察性数据的格式和内容，包括OBSERVATION、MEASUREMENT、DRUG_EXPOSURE等30种模块［3］，FHIR模型支持多种文档架构，提供多种实现的代码库，包含了patient、Family Member History、Specimen等93种模块［17］。另外，数据标准模型不仅包括结构化数据（如数字、字母、符号等），还涉及非结构化数据（如文档、文本、图片、音视频等）。
2. 同一模型的不同模块间存在交集：虽然各模型对于每个模块均有明确的定义，但在内容上仍存在明显的交集。如FHIR中的Patient和Observation模块是发展的最为成熟和最常使用的重要模块［18］。Patient模块中包含了有关接受护理或其他健康相关服务的个人或动物的人口统计信息和其他管理信息，涵盖有关与健康相关的各种活动的患者和动物的数据，包括策划活动、精神科护理、社会服务、怀孕护理和辅助生活、饮食服务、追踪个人健康和运动数据等内容；Observation模块是医疗保健的核心要素，用于支持诊断、监测进展、确定基线和模式，甚至捕获人口社会学特征［17］。二者在人口社会学特征、生活方式等信息方面均存在交集。
3. 模型设计均基于数据同质化原则：尽管在医疗保健中越来越多地使用标准术语，但临床队列数据在收集过程中由于不同目的、来源和条件限制，仍会导致不同的数据库系统和信息模型采用不同的格式存储数据。这些数据可能未明确捕获到临床研究所需要的数据元素，但各个数据标准模型均基于数据同质化的原则，通过编辑逻辑，创建和共享同类群组，将原始数据整合到一个通用的数据标准模型以充分利用。
4. 国外已成体系，国内起步较晚：目前国外组织开发的数据标准模型大多已发展成熟，并定期更新版本。其中，1987年成立的HL7获得美国国家标准学会（ANSI）认可开发标准，致力于为交换、集成、共享和检索电子卫生信息提供全面的框架和相关标准，以支持临床实践和健康服务的管理和评估［19］。OHDSI自2014年成立以来，发展迅速，在其主办的论坛上吸引了来自学术界、医疗相关行业、卫生系统、临床医生、患者等不同利益相关方的2 500多名合作者，覆盖计算机科学、流行病学、统计学、生物医学信息学、健康政策和临床科学等多学科［20］。
纵观我国，自2009年起，原卫生部组织建立城乡居民健康档案、电子病历和区域卫生信息平台等一系列卫生信息标准规范［21, 22, 23］，并不断更新完善，使得我国城乡居民的健康信息和诊疗记录走向规范。但关于队列数据标准相关模型和开发组织起步较晚，目前由北京大学公共卫生学院牵头成立的中国队列共享平台［24］（China Cohort Consortium）正在稳步发展。
由于临床队列研究方向较多，包含疾病、药物、医疗器械和生物技术产品等，研究目的各有侧重，而不同数据标准模型的应用领域和优势特色也不尽相同。结合表1～3中所列的各模型及其模块特点和现有的应用实例来看，不难发现，FHIR中包含较全面的医疗保健的基本要素，并且涵盖病前期及相关暴露因素的信息收集，所以在研究疾病发生发展和影响因素的临床队列时首推FHIR标准；OMOP CDM 最初用于药物评价，其关于药物暴露、进展过程及症状等方面有详细的记录，所以在研究医疗产品安全性和有效性的临床队列则推荐OMOP CDM标准；CDASH适用于治疗领域的大多数临床试验，使通过多个研究收集的数据的定义标准化，且其包含随访模块，可在干预后获得其进展与转归信息，故在临床干预后疾病进展与转归研究中建议选择CDASH。具体的标准模型选择参考建议见表4。值得一提的是，一个临床队列研究的问题可以是多方面的，这时候模型的选择建议根据数据标准模型特点进行组合式选择。
1. 临床队列发展迅猛，亟待数据规范和整合标准：自2012年国家临床医学研究中心建设工作启动以来，我国分3个批次先后布局建设了32家中心，建成60余个大型生物样本库、数据库和143个临床研究队列，覆盖人群706.05万人次，涉及60余个病种；并预计到2021年底，在主要疾病领域和临床专科统筹建成100家左右的中心，开展20万~30万人以上规模的疾病人群队列研究［31］。然而我国现有的重大疾病队列研究存在诸多问题［32］，包括集中信息系统建设、数据存储及管理、数据标准化、互操作性接口、术语管理等方面技术水平参差不齐，数据质量问题突出，数据的采集、存储、整合、处理、交换与共享的管理技术缺乏统一标准，进而导致数据的利用率不高，降低临床研究效率。
2. 中文临床医学术语问题仍待解决：2018年，在国务院发布的《关于促进“互联网+ 医疗健康”发展的意见》中［33］，明确提出健全统一规范的全国医疗健康数据资源目录与标准体系。结合国外医学术语发展水平，我国中文临床医学术语仍存在术语内容覆盖范围局限，术语标准结构不合理，缺乏体系完整的术语标准等问题［34］，尚未开发出一套可涵盖临床诊断、检查、药物、疾病分类、症状描述等临床实践领域的术语标准。2019年，中华预防医学会曾就大型人群队列发布一系列关于数据处理技术和数据安全技术等规范［35, 36］，在一定程度上有效提高了队列数据的规范性、完整性和准确性等质量要求。我国仍需结合国外经验、国内现有临床队列建设情况，开展合理的医学术语开发规划，进而推动我国临床队列数据标准的发展。
3. 数据整合共享过程伦理法规问题不容忽视：随着医疗大数据的到来，医学伦理问题争议不断。临床队列数据在整合与共享过程中，尤其是对于临床医学数据中最具有价值的患者数据部分，更应加强伦理的关注与考量。我国有学者强调应关注医学大数据中可能出现的伦理问题，如信息安全与个人隐私、知情同意与个人自主性、政府的监测与管理、风险与收益的评估以及医疗大数据建设面临的挑战等［37, 38］。因此，在鼓励临床队列研究数据共享的同时，应加快推进我国相关政策法规的制定，在充分保证知情同意、隐私保护等问题的前提下，保障临床队列研究数据的合理合法利用。
当前医疗卫生正处于生物革命和信息革命相融合的全新时代，信息学及其相关技术在临床研究中得到广泛应用。数据标准模型有助于临床队列数据的有效整合与共享，鉴于现有的临床队列研究领域广泛、问题纷杂，今后在开展专病队列研究时，仍需在通用数据标准的基础上，结合专病队列的特点进行相应的调整和增补。
目前国外对于临床队列研究数据标准的探索与应用较为深入和全面，并取得一定成果，我国数据标准模型的开发尚处于起步阶段，仍需相关科研和技术人员加大投入，充分利用数据标准模型在临床队列研究中的作用，发挥我国临床队列研究数据资源的巨大价值。
所有作者均声明不存在利益冲突
