李明 · Clinical Data Analyst

为3项I期和2项II期临床试验建立标准化的EDC系统数据录入规范与清理流程，通过SAS编程自动校验异常值，使平均每例数据查询数从150条降至90条，整体数据清理周期缩短35%。

负责管理公司EDC系统（Medidata Rave）的用户权限与CRF设计，协调5家临床中心的数据录入，确保5000余条病例报告表数据在入组后48小时内完成采集和初步核查，数据完整性达99.8%。

编写并维护20余个SAS宏程序，自动生成数据清理报告、缺失值统计与逻辑校验，使人工复核工作量减少约60%，成功发现并修正12处系统性数据录入错误。

作为数据管理团队核心成员，撰写数据管理计划（DMP）和数据清理标准操作流程（SOP），经质量审核后推广至后续3个同类项目，将新项目数据清理初检通过率从72%提升至89%。

主导3个II/III期多中心临床试验（涉及心血管、肿瘤与自身免疫领域）编写符合CDISC SDTM/ADaM标准的统计分析计划（SAP），与申办方和监管方多轮沟通后一次性通过伦理审查，将SAP定稿周期缩短35%。

采用R语言开发自动化数据审核脚本，对15家研究中心累计8.5万条受试者数据进行逻辑校验与异常值检测，精准标识并推动修复1,200余处数据不一致问题，使数据清理效率提升60%。

主持每周跨职能数据审核会议，协调临床运营、数据管理和统计团队，针对62个关键数据质疑点制定并推动解决方案，协助项目比原计划提前3周完成数据库锁定，节省约200工时。

在一项为期24个月的III期抗肿瘤试验中，利用CDISC标准对6个中期分析数据集进行完整性审查，发现并纠正12%受试者入组日期与方案不符的错误，确保中期分析结果获得IDMC认可并用于适应性决策。

针对一项III期肿瘤临床试验，独立搭建基于Python的数据质量自动化监控平台，覆盖5个国家的12个临床中心、超过3000名受试者的300余个衍生变量，实时检测逻辑缺失值、范围异常与编码偏差，将数据清理周期从4周压缩至10天，错误检出率升至98%以上。

为支持NDA申报，采用混合效应模型与多重插补法对主要疗效终点进行敏感性分析与亚组建模，生成超过200张统计图表及配套分析数据集，验证了主要分析结果的稳健性，相关结果被直接纳入NDA提交的ISS/ISE模块。

作为数据端负责人，牵头撰写统计分析报告（SAR）和综合安全性总结（ISS），与监管机构进行3轮预提交沟通，依据反馈补充4项预设分析，确保NDA数据包在内部审评中一次性通过，未触发任何关键性缺陷函。

管理3个并行临床项目的统计分析工作流，通过引入Git版本控制与Python脚本自动化，实现从统计分析计划（SAP）到输出结果的端到端可追溯，将项目交付周期平均缩短20%，同时带领2名初级分析师完成复杂数据结构清理与建模。

领导5人数据分析团队，为3个关键III期临床试验制定数据策略，通过部署标准化SAS宏库，将数据清理效率提升40%，确保所有临床试验数据在锁库前零重大缺失。

主导跨部门（临床开发、注册事务）沟通协作，建立数据评审与决策支持流程，在1年内成功交付2个NDA申报项目的完整分析数据集（ADaM）与统计分析报告。

针对1个全球多中心试验，设计并实施自适应数据监控计划，利用SAS编程实时追踪200+中心的数据质量，将数据疑问周期缩短30%，提前2个月完成数据库锁定。

推动团队采用CDISC SDTM/ADaM标准模板，统一4个在研项目的输出规范，将统计分析输出生成时间从2周压缩至5个工作日，支持管理层快速决策。

代表数据团队参加DMC（数据监查委员会）定期会议，基于实时分析结果提供风险预警，成功识别并解决2个潜在的数据完整性风险点，避免了试验延误。