如何为各实验室差异巨大的数据创建标准化模型？当然，我说的是临床体征。在 SEND 中首次定义临床体征域 (CL) 时，建模人员很清楚，每个实验室收集和报告临床体征的方式都不尽相同。因此，我们的答案是要有一个超级灵活的域，其中很少有受控术语。无论数据是如何收集或报告的，它们都能以某种方式融入这个领域。这就意味着任何研究都可以被代表。不过，这也意味着几乎不可能进行任何有意义的跨研究分析。
几个勇敢的人联合起来，最终解决了临床体征这个令人头疼的问题，解决了无法解决的问题。尝试实施一定程度的标准化，这意味着临床体征数据可用于交叉研究分析。试图在最不稳定的领域中强加规则。
因此，目前有一项极具争议的提案摆在桌面上。将允许使用但经常被忽视的结果类别（CLRESCAT），添加受控术语，突然提升其重要性。数据仍可按目前的方式收集。症状、描述词和修饰词都不需要标准化；我们只需将每个结果归入受控列表中的一个类别，然后就可以在交叉研究分析中使用。这听起来像是一个简单而优雅的解决方案，却解决了一个不可能解决的问题。
然而，在一次有力的批评中，我发现这是我见过的向 CDISC SEND 小组提出的最有争议的建议之一。这些担忧是有道理的。我们都知道，该领域确实需要真正实现 CLSTRESC 变量的标准化（对于那些 SEND 语言还不太流利的人来说，这就是 "临床体征标准化结果字符格式"），然而，没有人真正准备好尝试将这一特定的海洋煮沸。
它让一些人提出了一个可能想过但从未大声说出的问题：对临床症状进行交叉研究分析有什么意义？我的意思是，数据太主观了。一个人的轻度症状就是另一个人的中度症状。我们到底能给这些数据赋予多少价值？
我非常钦佩那些试图为临床体征增加这种标准化的人的努力和雄心，但我也对其价值表示怀疑。
这些想法引发了更广泛的讨论，质疑某些非临床数据的价值。例如食物和水数据。在悄悄进行的讨论中，有人描述了一种滑稽的情景，即集体居住的受试者确保食物不会洒出，并平均分配，以准确衡量每个受试者的消耗量。我们知道情况并非如此，因此数据并不准确，那么我们为什么要如此重视这些数据呢？
这让我想起了一位资深科学家在我职业生涯早期对我说过的话：要知道，对于非临床数据来说，真正重要的只有病理学和临床病理学数据。其他一切都太主观了。
当然，临床体征是非临床数据中最主观、最易变的。试图增加任何真正有用的标准化是令人钦佩的，但这是不可能完成的任务吗？
我很想听听您的想法。您可以通过常用地址与我联系instem
下次再见
马克
