一个CRA的作用，是Site Level的Performance和Compliance，遵循合同、方案出绩效，这是非常难的。
内外资在规范性上的差距天壤之别，后台经常有人咨询面试外企CRA，我接过好几十个面试辅导，但后来发现他基本概念是不懂的。
比如，你对数据缺失、如何处理压根不懂，其它方方面面的差距太大了，这不是一个面试技巧的问题，而是综合知识和技能的缺陷。
是时间正儿八经的系统学习，你愿意继续满世界寻找免费资源那是你的自由：不敢面对现实，看着同行不断进步，最终还是你自己吞下恶果。
如果学习的代价都幻想别人免费给你，那还工作啥啊……
受试者随访过程中，经常发生数据缺失，或数据不完整。
给药期间，在给药某个Visit未能前来随访用药，但受试者确有不可抗力因素，有意愿继续下个Visit，该受试者如何处理？大部分PM和DM的处理简单粗暴，直接将其在统计处理中做脱落剔除处理。BA的统计分析计划，多半是以最后一次观察结果Last Obervation或基线情况列入统计分析安全性，这和NIH和FDA的推荐是截然不同的。
的确，在肿瘤试验的有些指南中，对于发生PD肿瘤进展时，基于影像学证据的滞后性，只能以实际捕捉到影像学证据的日期为准，而FDA在该指南中明确指出这是该终点指标测量的设计缺陷，是不科学的，是不得已而为之的方法。看书要看完整，不能举着某个FDA指南的只言片语拿来等圣经，还应当考虑科学，在理解系统后再去决策局部。
受试者不愿意继续用药，愿意或不愿意现场返回随访接受安全性评估，这时候如何处理？有些机构、研究者和PM简单粗暴，将其作为“撤除知情同意”，该受试者资料直接不可用。
实际上，这些做法，都是缺乏法律依据和GCP精神的，也是FDA不推荐的。国内的主流做法，其实在国际上是非常不主流的。
坦率地说，如何正确处置missing Data也并没有唯一确定的标准，在缺失值和试验结果之间相关性的预期假设上存在很大的不确定性。这些缺失值以怎样的方式影响着试验结果，通常是无法从完整性数据中得出确定结论得。
透明的统计分析集定义，试验人员通过培训获知准确概念，有助于正确设计和实施，能建立合理试验假设与预期，对试验疗效评估方面提供实质性证据的有效处理措施，而不是人为偏倚，诸如将选择性观察和记录数据的潜在issues降低到合理程度。
一 数据缺失的原因
临床试验过程中，造成受试者数据缺失的最主要原因，就是受试者无法或不愿接受试验操作程序约定的评估。例如，受试者居住在另一个城市，或者郊区，很难在早上八点赶到医院；试验操作程序频繁，而行业喜欢用志愿奉献的理念教育，正常的人类受试者不会接受，也就不愿意参加随访。
这和方案的五大金标准之一，是不谋而合的，也是实践中经常遇到的现实问题。
受试者结束用药随访，进入长期观察时，数据缺失也是经常发生的，例如肿瘤试验。这些都应当在研究的依从性管理计划中，针对相应的疾病人群和方案，制定受试者保留策略。
现有指南，对试验设计、实施和结果报告，都有对missed data的处置，但质量是管理出来的，不能寄期望于Monitoring提升依从性。
受试者缺失一个Visit，撤回知情同意，和受试者Lost Follow Up是截然不同的。处理原则也是有着较大不同。
之所以造成机构、研究者、PM、CRA、CRC都倾向于算作病例缺失，不予以处理的原因，是这样做最省事，不需要做很多的Action。
真正专业的CRA，应当去审视，找出真正的原因，甚至真相。
有时候，患者主诉药效不够，或毒性过强，有些公司会以受试者失访或脱落，将病例废除，人为的将本该算作治疗失败的一个有效合格病例“处理掉”。中国临床试验统计领域中，发明的一个“受试者置换”就是这样的血淋淋实例，这个做法是非常直接的作假。
作假的初级境界，是捏造数据。最高级境界，就是这种人为偏倚的植入，让研究结果创造出选择性偏倚的特殊群体，所以中国肿瘤临床试验有时候能做出来一些全球做不出来的数据结果，就是这个原因。比如，某个已经上市的南京某药企的某个神药。
这种旁门左道的统计捷径，颇为得到一些公司的认可，也是业内屡见不鲜的怪相，不做分析。
从专业试验运营管理的角度分析，我们应当从这三种行为的背后，去确定受试者到底是因为疗效不佳、毒性作用太强无法耐受、方案操作程序繁琐、研究随访人员刁难等导致的治疗脱落，数据缺失。
有时候，病历并不可信，写在纸上你看到的结果并不是医生愿意去作假，而是被某些厂家和CRO/SMO给引导的。
所幸，这样的企业数量占不到一半。
二 撤除知情的受试者数据处理
国内……略，登录网站可见。
三 受试者失访
在连续的一周内选择……略，登录网站可见。
四 数据缺失
从一到四，专业性和规范性逐步深入，能坚持做到的，都是行业绝对的精英。
法律依据：……略，登录网站可见。
五 应对措施
数据缺失无非是四个原因，缺乏疗效、毒性不耐受、受试者感觉有好转但
……略，登录网站可见。
六 CRF Guideline和DMP
CRF Guideline只是简单的处理数据，信息转化法则，遵循的非常简单的规律。国内培训机构也非常喜欢在这些碎片鸡毛上大写特写。
实际上，BA对setting的考虑，研究设计和方案中对于数据缺失、规范性、完整性、真实性的考量，都是应当在DMP中体现的。
这意味着，
……略，登录网站可见：【中心监查】系列三十二||数据缺失的处理（CRF Guideline+DMP）
输入“会籍”、“付费”，加入会籍。
