NHLBI COVID-19 CONNECTS项目：多网络多研究临床试验的集中化运营报告系统

《Journal of Clinical and Translational Science》：Centralized Clinical Research Operations Reporting for a Multi-Network Multi-Study Research Program: The NHLBI COVID-19 CONNECTS Experience

本刊推荐：为应对COVID-19大流行中多网络协同研究的运营管理挑战，NHLBI CONNECTS项目开发了基于云平台的集中化报告系统。该研究通过构建统一的数据采集、协调及可视化门户，实现了跨1,040个中心、9项研究的实时运营监控，为大规模公共卫生研究提供了高效协作模型。

　　

当COVID-19疫情在2020年初迅速演变为全球公共卫生危机时，传统的临床研究体系面临着前所未有的压力。面对一种全新的病毒，科研界既缺乏有效的治疗方法，也缺少快速协调多中心临床试验的机制。美国国家心肺血液研究所（NHLBI）紧急启动了“COVID-19治疗策略评估网络协作计划”（CONNECTS），试图通过创新的“网络之网络”模式，将42个现有研究网络、1,040个临床中心和超过68,700名参与者整合到一个统一的研究框架中。

这一宏大计划面临的核心挑战在于：如何实现跨多个独立研究网络、并行临床试验的透明化运营管理？各个数据协调中心（DCC）使用不同的数据管理系统，运营数据格式各异，而项目参与者——从政府监管机构到现场研究人员——都需要实时了解研究进展。作为CONNECTS的管理协调中心（ACC），RTI国际研究所承担起了构建集中化运营报告系统的重任。

研究人员开发了一套基于云技术的网络基础设施，同时包含对内运营门户和对外公开网站。私有门户采用角色化访问控制，围绕四个核心运营领域构建报告框架：受试者入组与保留、中心启动与地理覆盖、研究里程碑和财务追踪。系统采用多云架构（微软Azure和亚马逊AWS），确保可扩展性和稳定性。

数据处理的创新工作流是系统的核心。研究团队建立了包含四个步骤的自动化流程：（1）数据采集：通过FTP、API等多种方式从四个DCC获取异构数据；（2）研究指标协调：将不同变量定义和结构的数据统一为标准格式；（3）地理中心协调：使用谷歌地图API和层次聚类算法（R hclust和cuttree函数）识别并合并地理位置相近的研究中心；（4）门户报告：每日自动更新数据。整个流程通过定制脚本和标准化宏实现自动化，并包含多层次质量检查。

研究结果

中央报告框架

系统在ACC成立仅2个月后（2020年8月5日）即上线运行，最终服务635名用户，累计页面浏览量超过92,000次。最常用的报告类型是研究 accrual and retention（入组与保留）面板，提供入组趋势、人口统计学特征和治疗覆盖率的全景视图。

基于用户反馈，团队后续增加了专门的中心启动指标面板和可导出表格。第二受欢迎的报告是协调化CONNECTS中心地图，该交互式全球地图标记了所有项目相关中心，并可与约翰斯·霍普金斯大学的COVID-19病例密度热图叠加显示，成为目标性监督和快速预测的强大工具。

数据处理工作流

自动化程序和质量检查确保门户数据能在东部时间上午9点前完成每日更新。即使在CONNECTS运营高峰期（2021-2022年），每日工作流也只需不到10分钟的人工干预。每周的地理中心协调方法同样高效，100个新中心的处理时间从早期的20-50小时大幅缩减至几小时。

讨论与结论

CONNECTS集中报告方法的主要优势在于为整个项目运营提供了单一、全面的数据源，确保所有合作方都能访问相同的当前信息。通过整合来自多研究、多网络和多中心的操作数据，门户提供了比任何单一团队都能获得的更丰富信息集。战略性设计确保单一平台方法满足了多样化用户群体的需求，有效简化了项目沟通。

研究也揭示了若干局限性。CONNECTS方法专为行政协调目标设计，报告内容限于运营监督功能。对于更复杂或非运营报告领域（如干预依从性数据、安全监测），由DCC主导的协调可能更有效。此外，ACC低估了特殊报告的需求范围和强度，动态的COVID-19研究环境导致运营优先级周周变化，产生了大量特殊报告需求。

尽管CONNECTS基础设施能够适应变化的监督需求，但一些修补和改造仍然必要。例如，当新指标添加到某个领域时，已关闭研究或研究阶段的文件需要改造以匹配新结构，这意味着已关闭研究的协调程序在最终入组后数月（或数年）仍需要一定程度的维护。

CONNECTS的基于云网络基础设施和创新开发工作流支持了及时、透明和详细的操作报告，这对于由多个协调中心领导的并行试验的“网络之网络”设计至关重要。虽然CONNECTS经验因COVID-19的快速爆发和传播而独特，迫使团队采取“边做边学”的心态，但由此产生的方法为任何大规模行政或数据协调工作提供了集中化报告的示范框架。类似的基于网络的门户报告方法已被RTI国际研究所用于其他NIH COVID-19研究项目（如RECOVER观察性研究和临床试验），展现了其广泛的适用性和持续影响力。

该研究发表于《Journal of Clinical and Translational Science》，为未来大规模公共卫生研究协作提供了重要的方法论参考。