为确保试验中数据采集的质量，制药公司会耗资数十亿美元直接监查以规范相关活动，这一活动通常占临床开发预算的50%。利用数据驱动的质量管理体系（QMS），也许能解决这些问题。

    为了决定一个研究性产品是否可以授予上市许可，其申请需通过严格的药政审评。审评的核心是申请（新药的疗效和安全性）的科学性和数据的采集方法及质量。为评定提交数据的正确性和质量，大多数监管机构也会视察研究机构和申办者的生产现场。

    如果一个申请是由于流程和质量方面的问题，而不是由于缺乏科学性和医学价值而被拒绝批准，它将损害公司研发部门的声誉，进而导致其后续申请中的数据受到更频繁的视察，其数据会进一步受到更加严格的审查。其中，质量、时间和成本是相互依存的三个参数。一个或两个参数的变化会影响到其他的因素。

    本文以Tibotec公司在药物临床试验质量审查中对研发风险的管理为例，介绍数据驱动质量管理体系（QMS）的开发和实施，通过有效利用所获得的操作中的临床数据以促进规范性管理。对于时限和经济指标，也根据它们对规范性和质量的影响加以讨论。

    Tibotec 制药公司着力于发现和开发抗逆转录病毒和抗感染的药物。其临床质量监查（CQM）部门已开发了一套全面的方法，通过在3个不同阶段使用 QMS 框架，来早期识别风险。

    第一阶段：使用临床数据判断风险

    为了识别能提供有意义的规范信息的临床数据点，CQM人员审阅了24 个FDA 当时批准的所有抗逆转录病毒药物的临床和统计部分的审评报告。这次审查的重点是针对可能引起药政管理部门现场视察或导致最终分析的数据不符合要求的质量问题。根据这些调查和对行业专家的采访，确定了6个用于指示在上市审查申请过程中潜在监管风险的参数，包括受试人群数量、招募时间、终止数量、不良事件数量、方案偏离和违背数及死亡数。这些数据大部分是实时提供的，因此在实施过程中，这些信息可在不破坏数据的完整性或者数据集破盲的前提下，从临床数据库中获得。为了规范临床数据，使其成为一个常见的基本单位，每个参数的发生率以试验中心为单位进行计算，结果如有指征，要通过引入受试对象来进一步使其规范。　

    第二阶段：概念的验证

    为了检验所选的药政监管风险指标参数的有效性，我们对两个有代表性的研究数据进行了研究。QMS方法和传统QA方法对选定的试验中心的受试者入选情况进行了全面的对比。对这些中心6个临床参数的申请和审查显示这些中心特点显著不同。通过进一步调整质量评分至其绝对值，出现了更清晰的结论。使用这种方法，受试人数相对低的中心的一些总评分最高。发现不良事件发生数和方案偏差评分显著高的中心，排在了受试人数相对低的中心之前。这些排名上的变动基于一个或一组潜在影响因素引起均值的改变。在一个或两个关键绩效指标（KPI）上评分相似的中心也被认为是值得关注的中心。

    除了研究特异性的质量评分，对每个试验中心还可以计算出的累计评分。而为了得到这些评分，需要统一其业务活动，以确保在整个研究和项目开发过程中，特定中心的标识不会改变。这些指标可以根据公司所关注的治疗领域进行调整。结合临床试验的整体信息和监查访视中收集的特定信息，可以获得对一个研究中心工作表现的全面了解。

    这些类别和子类别被用于对质量管理累积得分最高的研究中心进行的400个监查访视和5 个稽查报告的回顾性审查和编码，同时试验监督等问题也同样被识别和编码。我们对结果进行进一步的更详细的子类别分类并根据临床 KPI 对每个研究中心的走势进行描划。利用这种策略，很容易在一项研究中判定违规的主要影响因素。

    该中心的主要问题是试验的监督、实施和方案的依从性及必要文件的建立。按照惯例只着眼于高受试群体中心，该中心并不一定会被质量保证部门监察。然而通过临床和操作 KPI 指标，不仅有可能鉴定该中心有监管部门所关注的隐患，而且还可以识别监查员和试验管理人员可能关注问题。　　

    第三阶段：扩大指标和技术解决方案

    作为一种有效方法，成功地实施数据驱动的QMS要求在容易访问的环境下方便地取得信息。通常，相关的临床试验管理数据保存在三个独立的数据库中：项目和试验管理、试验数据、财务数据。在不断更新升级下，数据的录入须在组织内部不同层面进行质量控制。

    在项目的第三阶段，同IT 部门合作，开发出一个整合的数据库用来报告相关数据点，来达到整合单一的数据库，通过时限、SOP 和CQM分类收集可用的信息，通过网络以单点接入的方式提供、发布和更新信息以及控制数据的访问权的目的。第一个步骤不引起原始数据集的任何变化，这种报告环境的改变也不需要使用者付出任何额外的工作来维持基本数据库。第三阶段主要的焦点是实施一个以最少的人工审查来获得并分类规范数据的方法。所有的主要供应商同意每周将他们的数据传输至内部数据库。在这个阶段，对监查访视结果使用了简单一对一映射从而完成对临床管理组织中类别和子类别进行分类。我们也探讨了对数据表达和分析的不同选择，如统计控制图表。发现由 IBM 的子公司COGNOS提供的软件适合于自动生成报告，并通过互联网服务器发布。

    除了规范性数据，操作数据和时限也包括在报告中。这些数据的趋势是根据不同的类别而不同，在网络环境下，通过广泛交联到其它层面的多链接表格制作图示。使用这个系统，可以确定任何层面上最经常发生的问题，并且追踪至特定的观察中，确定了主要影响因素的其它层面。这些信息还可以根据一些其它组合如从国家、化合物、公司的层面上进行校对和处理。可以通过对两个趋势的集中测量，发现异常值；通过比较中位数，可以在当数据不充足而不能假设其为正态分布时检测出偏差。在两个试点的研究中我们对监查报告进行人工编码，这个繁琐编码过程有它的局限性，并且无法长期应用于更多的研究项目中。同时，采用人工编码和数据分析，类别或子类别与基本观察之间没有联系。由于监查活动的主观性，在分类过程中有一个内在的变异性。这种可变因素导致了问题的错误分类以及结果倾向的偏移。　　

    结论

    获得一个新药的上市授权需要充分透明的提交充足准确的安全性和有效性数据。一份申请的质量可通过数据的质量和数据采集使用方法来进行评判。为符合GCP规定，确保试验中数据采集的质量，制药公司会耗资数十亿美元直接监查和采取其他规范相关的活动。某些情况下这一活动可以占到临床开发预算的50%。利用数据驱动的QMS，可能解决所有这些问题。

    关注于将固定的监查访问频率转变为结合了当前临床数据的质量和该中心以往的现场视察，稽查以及监查历史的组合来制定灵活的监查频率。试验操作中的3个要素（质量、时限和成本）开发准确的指标和KPI，与信息管理策略如文本挖掘等的相结合，是实施该方法的必要元素。流程和系统相结合以便于早期信号检测和后续干预行动是数据驱动的QMS 的真正力量所在。

    相对于整个临床组织的利益，技术方面的投资是最少的。所选的用于指示违规的参数，可通过整个药品的开发阶段获得。结合容易获得的广泛趋向性信息（操作KPI）与财务KPI总结，该体系为申办者提供了安全保障，使其能够以合理的成本-效益获得对临床操作的质量的总揽。来自监管机构的信息在该过程中也起着核心的作用。