SDTMIG学习总结.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
SDTM学习总结 SDTM(Study Data Tabulation Model)是一种数据模型,旨在提供一个通用的框架来组织和描述临床试验数据。下面是SDTM学习总结的知识点: 1. SDTM数据集与一般数据集的区别: SDTM数据集与一般数据集的主要区别在于数据集的个数不同。SDTM数据集按照数据变量的不同来源分为不同的域,而一般的临床试验只有一个或少量几个数据集。SDTM数据集中的每个人一条记录,而不是按照在CRF表中的位置来收集的,而是按不同topic。 2. 数据记录的特点: SDTM数据集的每个人一条记录,每个人的每个事件、每次用药或每次不良反应一条记录。变量的数量减少,记录的条数增多。每个受试者每次访视每个时间点可能有许多条观测记录。 3. 元数据: 元数据是关于数据的数据,按照一定的标准,从信息资源中抽取出相应的特征,组成一个特征元素集合。包括描述一个具体对象所需要的数据项集合、各项数据语义定义、规则和语法定义。元数据标准的制定为提高数据库建库质量,使诗句加工达到规范化、标准化,促进科学数据标准化,加强数据交流。 4. 变量名标准化和变量取值标准化: SDTM数据集的变量名和变量取值都是标准化的,这样可以使得数据的收集和分析更加规范化和标准化。 5. 域(Domain): 域是SDTM的核心概念,所有变量按不同的来源被分类到相关的域。每个域采用唯一的两字符(英文缩写)代码加以区别。例如不良事件域(AE)、伴随用药域(CM)、药物发放回收记录域(DA)和人口学资料域(DM)等。 6. 域模型: 域模型可以分为五类:Special-Purpose Domains、General Observation Class、Interventions、Events和Findings。每个域中都有一些必要的变量和可选的变量。变量的顺序是按照标识变量、主题变量、修饰语变量到时间变量依次排列。 7. 变量筛选: 研究者应按需要选择合适的变量。在每个域中,有各种变量,研究者应按需求选择合适的变量。变量可以分为必需变量、预期变量和许可变量。 8. 数据提交: 在提交数据时,需要按照SDTM的规定来提交数据。包括研究编号、临床中心编号和受试者编号联接起来作为USUBJID。 9. 文本数据大小写: 建议大写文字形式递交文本数据(如果是英文的话),长文本或标签文本及已经是大小写的受控术语除外。 10. 缺失值: 单个数据项缺失以空来表示,如果有—STAT变量和—REASND变量则还需在—STAT中录入NOT DONE,在—REASND中录入原因。 11. 分类变量: 分类变量包括——CAT、——SCAT、——GRPID、——SPID、——REFID等。这些变量在采集之前就已知,是固有属性,用于受试者之间分组。 12. 自由文本: 其他,请说明。
剩余15页未读,继续阅读
- 粉丝: 0
- 资源: 11万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- AllSort(直接插入排序,希尔排序,选择排序,堆排序,冒泡排序,快速排序,归并排序)
- 模拟qsort,改造冒泡排序使其能排序任意数据类型,即日常练习
- 数组经典习题之顺序排序和二分查找和冒泡排序
- 基于 Oops Framework 提供的游戏项目开发模板,项目中提供了最新版本 Cocos Creator 3.x 插件与游戏资源初始化通用逻辑
- live-ai这是一个深度学习的资料
- FeiQ.rar 局域网内通信服务软件
- 172.16.100.195
- 光储并网simulink仿真模型,直流微电网 光伏系统采用扰动观察法是实现mppt控制,储能可由单独蓄电池构成,也可由蓄电池和超级电容构成的混合储能系统,并采用lpf进行功率分配 并网采用pq控制
- python编写微信读取smart200plc的数据发送给微信联系人
- 光储并网VSG系统Matlab simulink仿真模型,附参考文献 系统前级直流部分包括光伏阵列、变器、储能系统和双向dcdc变器,后级交流子系统包括逆变器LC滤波器,交流负载 光储并网VSG系