临床科研数据录入，
把全部成本放在一起算
关于临床数据采集的成本，网上能找到两类说法：一类是工具厂商的宣传数据，"效率提升18倍"、"成本降低80%"；另一类是没有成本概念的教程，直接告诉你怎么操作，不提时间代价。
两类信息都不完整。这篇文章想做的是：把各种方案的成本项逐一列出来，放在一起比，包括那些容易被忽视的隐性成本，让你在决定用什么方法之前，手里有一张完整的账单。
成本不只是时间
在比较各种方案之前，先把成本项说清楚。只盯着"录入时间"来比较，会漏掉很多东西。
直接时间成本是最显眼的部分：逐条手打需要多少小时，工具批处理需要多少时间。
错误与返工成本经常被低估。人工录入的平均错误率在5%-10%之间，疲劳状态下更高。错误往往不在录入时发现，而是在后续清洗或分析时浮出来。到那时候，你可能已经不记得原始截图放在哪，要重新翻找，重新核对，重新修正。这部分的时间代价，很少有人会在事前估算进去。
工具费用包括显性的订阅费和隐性的使用成本（比如商业OCR按页计费，处理500页下来的费用也是一笔数字）。
学习曲线是一次性投入，但对研究生来说权重很高——因为你可能只做这一次研究，学一个工具的时间如果超过了工具能帮你节省的时间，这笔账就亏了。
机会成本是最难量化但实际影响最大的一项：数据采集占用的时间，是从文献阅读、分析思考、论文写作里挤出来的。进度拖延不只是"多花了几天"，还可能影响答辩时间线，影响导师对你的评估，影响后续投稿节奏。
逐项拆开来看
纯手工录入（Excel）
直接时间成本最直观：100份病历 × 每份15-20分钟 = 25-33小时。这是在保持专注、不犯错的理想状态下的估算，实际通常更长。
真正的问题在错误率。连续录入超过2小时后，注意力开始下降，同样的动作开始出现差错——把A列的值填进B列，或者漏掉一个字段，浑然不觉。等到数据清洗时才发现问题，已经不知道原始值是多少了。对于关键变量，这意味着回头重查原始病历，有时候原始病历已经不容易找回来。
工具费用：零。学习曲线：几乎没有。这是它最大的优势——你今天就能开始。但如果样本量超过100例，时间账会迅速变得难看。
EpiData
EpiData在录入规范性上比Excel好：字段类型校验、范围报错、条件跳转，能在录入阶段拦截一部分错误，减少后期的返工。
但它不改变"录入动作本身"的成本。你还是要逐条手打，所以直接时间成本和纯手工录入基本相同。多出来的是学习成本：理解QES/REC/CHK三个文件类型，配置好校验规则，对于只做一次研究的人来说，这个前置投入不可忽视。
综合来说，EpiData适合对数据质量要求高、愿意投入学习时间、并且不止做一次研究的场景。对于单次回顾性研究，性价比未必优于直接用Excel加上认真的抽查核验。
商业OCR工具
OCR能把图片里的文字识别出来，但输出是一堆文本，不是结构化数据。在检验报告这类多列表格场景里，识别出来的文字往往是字段名和数值混排的乱序文本，需要二次处理才能变成可用的格式。
如果你有能力写解析脚本，这个问题可以部分解决，但每次遇到新格式的报告就要重新适配。如果没有编程基础，OCR输出的结果基本上还是需要人工整理，省下来的时间非常有限。部分商业OCR按页收费，处理几百页下来，费用也不是小数。
OCR在"把扫描文件转成可搜索文本"这个用途上很好，但用它来做临床报告数据提取，是用错了工具。
EDC系统
功能最强，但成本结构完全不同于其他选项。年费通常数万到数十万；CRF设计需要专业工时；团队配置要求多人协作才能发挥价值。
这套成本结构在正式多中心临床试验场景下是合理的——那个场景下的数据量、合规要求和多方协作需求，确实需要这个级别的工具。但单中心回顾性研究用EDC，基本上所有的成本都是浪费，而真正需要的功能（从截图提取数据）EDC并不直接提供。
AI提取工具（简录AI）
直接时间成本是几个选项里最低的：100份截图批量上传，约30-60分钟处理完成，再花1-2小时抽查核验，总计3-5小时，对比纯手工的25-33小时。
工具费用是按次或按套餐计费的，相比EDC的年费是完全不同的量级。学习曲线也是最低的——上传截图、写字段名、等结果、导出Excel，30分钟内可以上手。
需要诚实说的局限：手写内容的识别准确率低于印刷体；非常复杂的多页病历（内容分散在大量不相关的描述段落里）需要更仔细的字段定义；识别结果仍然需要抽查核验，不能完全免去质控环节。印刷体报告的准确率可以达到99%，但手写场景会明显下降，使用前需要根据你的具体文档类型判断。
放在一起的对比
| 方案 | 直接时间（100份） | 错误风险 | 工具费用 | 学习成本 | 适合场景 |
|---|---|---|---|---|---|
| 纯手工（Excel） | 25–33 小时 | 高（疲劳积累） | 零 | 极低 | 50例以内，字段少 |
| EpiData | 25–33 小时 | 中（有校验拦截） | 零（开源） | 中等 | 对质控要求高，多次使用 |
| 商业OCR | OCR快，后处理慢 | 中（结构化二次处理引入错误） | 按页计费 | 中等（需解析脚本） | 纯文字提取，非表格数据 |
| EDC系统 | 录入时间不变 | 低（完整质控体系） | 数万–数十万/年 | 高 | 多中心RCT，有CRO支持 |
| AI提取（简录AI） | 3–5 小时 | 低（印刷体99%准确率） | 按套餐，门槛低 | 极低 | 100–500例回顾性研究，印刷体报告 |
按照你的实际情况选
没有哪个方案在所有情况下都最优。选择的依据应该是你的具体条件，而不是哪个工具功能最强。
50例以内、10个字段以内：手工录入是合理的。认真设计一下Excel字段格式，录完后做一遍完整核查，代价可控。用任何工具都是额外的学习成本，不值得。
100–300例、印刷体报告为主：AI提取工具的性价比最高。时间从几十小时压缩到几小时，费用远低于找人外包，上手成本低。这是大多数研究生回顾性研究的区间。
500例以上，或有大量手写内容：AI提取仍然可以处理印刷体部分，手写部分需要人工补录。考虑分批次处理，先用工具处理大头，再针对异常条目人工核查。或者，这个量级下如果有条件申请信息科数据导出，等待时间可能是值得的。
多中心、有合规要求：这种情况需要EDC，不是因为它快，而是因为合规性是刚性要求。提前预算好工具成本和配套的CRF设计工时。
一个实用的判断标准
估算手工录入的时间，如果超过10小时，换工具就是合算的——哪怕只是省一半时间，节省下来的5小时也比工具的学习和费用成本高。如果不到5小时，工具的额外开销未必值得。10小时是个粗略的门槛，比精确计算更好用。