《增齡健康狀態隊列數據和樣本采集處理指南》征求意見稿

本文件規定了增齡健康狀態隊列研究中數據采集、生物樣品采集、數據與樣本處理的基本要求和方法。本文件適用于增齡健康人群隊列研究的數據和生物樣本的采集與處理。2規范性引用文件下列文件對于本文件的應用是必不可少的。凡注日期的引用文件，其后所列的所有版本均適用于本文件；凡不注日期的引用文件，其最新版本（包括所有修訂版）適用于本文件。ISO/IEC27001:2013信息技術安全技術信息安全管理體系要求3術語和定義3.1增齡健康狀態aginghealthstatus隨著年齡增長，個體在生理、心理和社會功能等方面的健康狀況綜合體現。3.2問卷信息采集questionnaireinformationcollection通過結構化調查問卷收集研究對象人口學信息、健康史、生活方式、心理狀況等相關信息的過程。3.3生物樣本biologicalsample在研究中從受試者采集的用于檢測分析的生物材料，如血液、尿液、糞便、口咽拭子等。3.4數據脫敏datadesensitization對包含個人敏感信息的數據進行處理，屏蔽或替換能識別個人身份的信息。3.5樣本標識系統sampleidentificationsystem對生物樣本采用統一編碼規則進行唯一標識和管理的系統。3.6元數據metadata描述數據采集時間、地點、方法及處理記錄等信息的數據說明文件。4數據、生物樣本采集和管理方案設計4.1數據質量管理原則增齡健康隊列研究在進行數據和樣本采集前，應根據研究目標完成數據和樣本管理設計,方案設計宜涵蓋在對增齡人群進行持續隨訪過程中，綜合采集問卷調查、生物樣本檢測等多源數據的質量管控。54.2數據采集、處理、存儲整體原則4.2.1標準化原則：統一操作流程與質量標準；4.2.2安全性原則：保障采樣對象安全，數據和生物樣本安全；4.2.3可追溯原則：建立完整的樣本標識與記錄系統；4.2.4質量控制原則：實施全過程質量監控。4.3數據和生物樣本采集、處理、儲存整體流程5數據信息采集5.1采集方式5.1.1問卷調查由經過專業培訓的人員實施，調查前需核對受試者身份并取得知情同意。5.1.2可采用紙質或電子問卷形式，均需使用經驗證的標準化調查工具。5.1.3在采集過程中，可根據問卷設計的跳轉邏輯提示受試者，如遇受試者無法回答的問題可予記錄并說明原因。5.1.4體格檢查數據采集應在統一SOP下由經培訓并通過一致性考核的人員，使用經定期校準且符合計量認證的設備，于預設時間窗口以標準化流程完成。5.2采集內容5.2.1問卷信息包括問卷調查信息以及體格檢查信息，其中問卷調查信息可覆蓋軀體生理功能、心理精神狀態和社會適應能力等多個維度。5.2.2軀體生理功能包括一般人口學信息、個人及家族疾病史、健康行為、自評健康狀況、女性生育史等。5.2.3心理精神狀態包括心理狀況和認知狀況。5.2.4社會適應能力包括社會經濟狀況、文化背景和社會支持等。5.2.5體格檢查主要包括身高、體重、腰圍、臀圍、握力、收縮壓、舒張壓、心率等身體測量指標。5.2.6具體題目和調查項可根據研究目的細化，確保不同研究中心和隨訪輪次之間內容一致。5.3質量控制5.3.1調查員在現場對填寫結果進行初步檢查，提醒受試者糾正明顯遺漏或矛盾。5.3.2在數據整理階段，對問卷數據進行邏輯審核和一致性校驗，及時發現并處理錯漏。5.3.3對于因跳題而產生的空值，注明為“邏輯跳轉”并保留空白；對非跳題產生的缺失值，采用統一編碼（例如“999”）表示。6數據整合準備工作6.1備份原始數據在數據處理和整合前，除保存原始數據外，還應對每個處理階段的數據文件進行備份，以確保數據的安全性和可追溯性。6.2文檔管理在數據整合過程中，必須詳細記錄每一步的數據處理過程，包括處理依據、方法和結果，便于后續核查和查詢，同時保障數據處理的透明性和可重復性。7數據標準化與一致性檢查7.1數據類型與格式統一7.1.1數據類型檢查應確保每列數據的類型符合預期（如數值型、字符型、日期型等），并統一格式，避免因格式不統一而導致的分析問題。7.1.2時間格式統一時間型數據格式統一為“hh:mm”，確保小時數不超過24，分鐘和秒數不超過60，并核對日期型數據的合理性（如確診時間應小于等于當前年齡）。7.1.3單位標準化所有數值數據應采用統一的計量單位，例如年齡以“年”為單位，體格檢查、實驗室檢測指標采用國際單位制。7.2編碼與映射為分類數據制定統一的編碼規則，如統一編碼“1”為“是”，“2”為“否”，“3”為“不清楚”。7.3邏輯性檢查核查數據的邏輯合理性，包括時間順序（如出生日期應早于調查日期）、變量間的邏輯關系(如“從未吸煙”狀態下不應報告“戒煙時長”），確保數據符合預期邏輯。8數據清洗和檢查8.1數據空值處理應注意識別數據中的空值，區分缺失值與因題目跳轉產生的空值，并將缺失值統一編碼為“999”。8.2異常值檢測和處理8.2.1異常值識別對數值型數據，根據統計方法（如3倍標準差）識別異常值，并結合生理常識判斷其合理性。例如年齡應在30-100歲之間；身高、體重和BMI等生理數據應處于合理范圍內。確保選擇題未出現無效選項（如選項編碼為1-3，但填報為4單選題答案是否為單選。8.2.2異常值處理對于超出合理范圍的數據，進一步核查是否為錄入錯誤以決定是否保留、刪除或替換異常值。如果保留，考慮標記為特殊值以便后續分析。8.3重復值檢測8.3.1重復行處理查找并處理重復行，判斷是否刪除或合并。8.3.2唯一標識符驗證為每個原始隊列重新設計統一研究編號，并確保每個研究對象由獨特的編號標識，避免重復。8.4衍生變量計算與驗證7核查衍生變量的計算準確性，例如根據身高和體重計算BMI，確保計算過程和結果的準確性。9數據整合9.1數據整合問卷數據、體格檢查數據以及實驗室檢查數據應分別進行數據整合。9.1.1問卷數據整合問卷調查數據可按照一般人口學信息、軀體生理功能、心理精神狀態、社會適應能力進行整合。軀體生理功能包括個人疾病史、家族病史、健康相關行為、自評健康狀況、女性生育史；心理精神狀態包括心理狀況、認知狀況；社會適應能力包括社會與文化背景、社會經濟狀況、社會支持。9.1.2體格檢查數據體格檢查數據主要包括身高、體重、腰圍、臀圍、握力、收縮壓、舒張壓、心率等基礎數據，以及由以上數據計算得到的衍生數據。體格檢查數據以軀體生理功能維度為主，數據包括基礎指標和衍生指標。需要注意變量值間的邏輯核查，識別沖突值。對于異常數據應分析出現原因，通過通過核查原始問卷與數據集，重新計算衍生指標等方式修正錯誤。9.1.3實驗室檢查數據整合實驗室檢查數據以軀體生理功能維度為主，包括基礎指標、衍生指標。包括血常規、尿常規、肝功能、腎功能、血脂、尿酸、血糖、白蛋白等及各種衍生指標。10數據質量控制10.1對所有數據應進行完整性校驗，可使用MD5校驗等技術定期掃描數據損壞情況并自動恢復。10.2對問卷調查數據進行邏輯一致性檢查，例如驗證時間順序（如出生日期必須早于調查日期）和變量間關系（如“從未吸煙”狀態下不應記錄戒煙時長）。10.3需識別并處理空值、異常值和重復記錄：對非跳題的缺失值應統一編碼（例如采用“999”編碼）。10.4使用統計方法（如3倍標準差法）和專業知識發現異常值并加以處理。10.5檢查重復記錄并確保每位受試者具有唯一研究編號。10.6所有清洗、修改和質量檢查過程應有完整記錄，并定期生成質量控制報告。11生物樣本采集11.1采集樣本類型11.1.1可供采集的生物樣本包括血液、尿液、糞便和口咽拭子等。11.1.2血液樣本采集：受試者空腹10小時以上，使用抗凝管和非抗凝管分別采集約12mL靜脈血，采集后輕輕顛倒混勻并置于室溫靜置后進行離心。11.1.3尿液樣本采集：清晨第一次中段尿，使用無菌尿杯收集，采集后30分鐘內送檢。11.1.4糞便采集：受試者在無菌鋪墊上排便，使用采樣勺取約1g糞便置于含有保存液的管中，并將剩余部分另存于采集杯，采集后立即低溫保存。11.1.5口咽拭子采集：用拭子重點擦拭雙側扁桃體區域各6次以上，并分別置入DNA保存管和RNA保存管，留置一支備用作為陰性對照。11.2樣本處理與保存11.2.1采集后應盡快對樣本進行預處理和保存。11.2.2血液樣本采集后于4℃、3000rpm離心15分鐘，分離血漿或血清、紅細胞、白細胞等生物樣本。對因溶血、脂血或樣本量不足等異常情況應記錄并特殊標記。811.2.3糞便樣本應置于核酸保存管中，立即混勻并低溫保存；分裝操作需使用紫外消毒器械，并挑取中段糞便以避免食物殘渣。11.2.4口咽拭子采集后應短暫4℃保存，使用封口膜或密封袋防漏。11.2.5所有樣本分裝后應即時掃碼入庫，并在1小時內轉移至-80℃冷凍箱或液氮罐長期保存。11.2.6樣本入庫應使用統一的標識系統，確保每個管都有對應的記錄。11.3樣本標識與標簽11.3.1所有生物樣本采用統一的標識體系，可使用條碼或二維碼標簽，標簽信息包含受試者研究編號、樣本類型、采集日期和分裝編號等，且在樣本管身和管蓋均進行標注。11.3.2可采用三級編碼規則（地區代碼+隊列類型+個體ID+樣本類型+分裝序號）實現樣本唯一標識。11.3.3所有樣本即時生成入庫記錄，并與相應的研究數據在數據庫中關聯保存，以便追溯。11.4樣本采集注意事項11.4.1采集前詳細記錄受試者信息并取得知情同意，采集人員需經過培訓并使用符合標準的容器和耗材。11.4.2采集過程中避免污染，記錄采樣時間、環境條件和操作人員信息。關鍵步驟可進行雙人復核并保留操作記錄11.4.3樣本入庫前應進行外觀檢查（如是否溶血、受污染等）并進行質量評估（例如隨機抽樣檢測核酸/蛋白完整性）11.4.4對于發現的異常樣本應及時隔離并記錄，評估對后續實驗的影響；嚴重質量問題應啟動追溯機制并可能召回相關樣本。12數據與樣本儲存要求12.1數據的儲存要求12.1.1數據命名所有數據集、文件和變量命名遵循統一規則，采用規范的命名格式以便識別和管理。例如，可采用“基線/隨訪_隊列類型_疾病代號_組學類型_樣本ID”的命名方式。12.1.2元數據管理12.1.2.1分類變量應采用統一編碼規則（如“1”代表“是”，“2”代表“否”，“3”代表“不清楚”）。12.1.2.2所有數據集附帶標準化的元數據文件，包括采集時間、地點、方法、處理記錄等信息。12.1.3數據脫敏與隱私保護12.1.3.1研究數據中涉及個人身份的敏感信息（如姓名、身份證號、出生日期等）進行脫敏處理是至關重要的。12.1.3.2可對個人敏感字段應進行遮蔽或加密處理。12.1.3.3原始敏感數據需單獨加密存儲，僅供特定授權人員訪問。12.1.3.4脫敏過程應由專人負責并建立復核機制，操作過程應記錄在案。12.1.4數據存儲與備份12.1.4.1所有電子數據在安全可靠的環境中存儲是至關重要的。12.1.4.2可采用冷熱三級存儲體系（熱存儲為SSD、溫存儲為硬盤陣列、冷存儲為磁帶庫），并部署在符合ISO27001等信息安全管理標準的數據中心。12.1.4.3數據存儲系統采用基于角色的訪問控制和雙因素身份驗證機制，存儲設備應啟用生物識別＋密碼等雙重訪問認證。12.1.4.4備份策略應遵循“3-2-1”原則：至少保留三份數據副本、使用兩種不同介質存儲、并將其中一份備份存放于異地。12.1.4.5所有備份介質加密是至關重要的，并由專人管理密鑰。12.1.5數據訪問控制與安全管理12.1.5.1可采用最小權限原則，按需分配數據訪問權限。12.1.5.2所有數據管理人員簽署保密協議是至關重要的，訪問系統時通過雙重認證等安全手段。12.1.5.3實施日志審計機制，記錄