服务
RWS 数据治理
把非结构化、字段各异、随访断档的真实世界源数据，治理为可直接用于统计分析的标准化数据集。
常见现状
这些环节通常卡在哪里
下列情况来自实际项目中的高频问题，也是本项服务的重点处理对象。
病历文本、检查报告与随访记录格式各异，同一字段各医院命名不同。
随访间隔不均、失访与补录混杂，时间轴无法直接用于分析。
脱敏粒度难以确定：脱得太粗丢失信息，脱得太细存在再识别风险。
适应证、合并用药与基线差异构成混杂，直接影响后续统计结论。
治理规则写在文档里、代码在另一个人手上，第三方无法独立重跑。
交付物
本项服务包含 15 类交付物
按交付顺序排列。可整段委托，也可只取其中若干项。
01
数据治理计划（DCP）
界定治理范围、数据源、合规要求与各环节责任，是后续所有文档的总纲。
02
源数据整体情况调查（SDAR）
摸清数据源系统、字段含义、覆盖人群与缺失模式。
03
源数据提取
按约定规则完成提取、传输与储存，全过程留痕。
04
源数据适用性评估
从相关性与可靠性两个维度判断源数据能否支撑研究目的。
05
研究专用 CDM 设计
面向研究目的设计变量与结构，而非套用通用数据模型。
06
数据治理规则说明书
逐字段的映射、派生、清洗与缺失处理规则，可逐条核对。
07
非结构化数据自然语言处理
病历文本与检查报告的字段化抽取，含抽取质量评估。
08
数据治理程序（ETL）开发与验证
治理规则落地为可复用算子库与生产级代码，并经独立验证。
09
数据核查计划（DVP）与数据清洗
去重、逻辑核查、异常值处理与缺失处理。
10
数据修改与数据澄清管理
数据修改留痕与向数据提供方的澄清记录。
11
医学审阅与医学术语编码
医学合理性审阅与术语编码复核，含编码一致性核查。
12
经治理数据集（SCD）形成
按入排条件筛选后形成分析就绪数据集，变量与派生逻辑可追溯。
13
版本管理、锁库与交付
数据集版本控制、锁库签署与交付包说明。
14
数据治理质量核查
全流程抽样核查、偏差记录与纠正措施跟踪。
15
经治理数据适用性评估
交付前对治理结果的相关性与可靠性再评价并出具结论。
面向医生研究者
手里已有数据，也能快速得到可用结果
临床医生时间有限，数据往往已经存在但尚未整理。这一服务可直接对接已有数据，无需从零搭建数统团队与流程。
- 医生手里已有 HIS / EMR / 随访表导出数据时，最快路径是把已有数据治理为可直接分析的数据集，省去从零搭建流程。
- 字段命名不一、缺失多、随访断档的原始数据，按逐字段规则清洗、标准化并形成经治理数据集（SCD）。
- 治理规则与过程留痕、可复现，配套治理计划与规则说明，支持论文方法学章节与审稿质询。
交付形态
最终拿到什么
- docx：DCP / SDAR / 规则说明书 / 适用性评估报告
- SCD 数据集：CSV / SAS / RDS
- ETL 代码与验证记录
- 版本记录与稽查轨迹
告诉我们你手上的数据，我们来判断能接哪一段
源数据情况、研究阶段、目标产出——说清这三件事，就能给出可交付的范围与周期。