临床研究数据采集：
截图录入为什么总是出问题
数据收集完了准备做统计，打开 Excel，发现血肌酐这一列有些行单位是 μmol/L，有些是 mg/dL——因为三个月前你自己录的和上个月同学帮你录的用了不同的 HIS 版本。或者 WBC 列的值有一部分其实是 NEUT%（百分比），不是绝对值，因为这两行在截图里挨得太近了。
在统计前发现这类问题，代价是重新核对原始截图，少则几小时，多则几天。在发现之前就提交了分析，代价更难估算。这类问题出现得如此频繁，以至于很多人默认它就是临床科研的一部分。实际上它有明确的来源，也有办法避免。
先说一个很多人不清楚的事：为什么不直接从 HIS 导出数据
理论上医院 HIS 后台有完整的结构化数据库，技术上完全可以按需导出。为什么研究生还在拍照截图？
原因在于权限和流程。国内三甲医院的数据导出通常需要：科研处审批、伦理委员会备案、信息科配合导出，部分医院还要医务处签字。走完整流程，快的 2–3 周，复杂的超过一个月。导出格式由 IT 部门决定，字段和格式不一定符合你的研究需要。
对于 30–200 例、多个时间点随访的课题，这个流程的成本远高于截图录入的成本。所以研究生的实际工作流程从来都是：查房拍照 → 手动录 Excel。这不是偷懒，是在现有权限体系下唯一可行的路径，短期内不会改变。
数据不一致的来源：没有事先定义提取规则
手工录入过程里有大量即兴决策。同一个指标，今天你叫"血红蛋白"，明天你写"Hb"，后天同学帮录时写"HGB"。单位有时跟着 HIS 界面走，有时换算了，有时漏写了。中性粒细胞绝对值和百分比挨在一行，凌晨录数据时很难每次都确认拿了对的那个值。
这些不是粗心，是在没有明确规则的情况下，每次录入都是一次独立决策，独立决策天然产生不一致。
| 典型问题 | 实际表现 | 发现时机 |
|---|---|---|
| 字段名不统一 | Hb / 血红蛋白 / HGB 混用在同一列 | 统计前清洗数据时 |
| 单位不一致 | μmol/L 和 mg/dL 混在肌酐列里 | 描述性统计时发现离群值 |
| 相邻指标混淆 | NEUT# 和 NEUT% 串列 | 可能分析完才发现，也可能不会发现 |
| 多人录入标准不同 | 合并表格后列名对不上 | 数据合并时 |
最麻烦的是第三行：NEUT# 和 NEUT% 的值差一个数量级，数据范围都在合理区间内，描述性统计不会触发警告。这类错误最难被发现。
解决方法：在开始收集之前，先定义好每个字段
这个道理在问卷研究里是常识——设计问卷时会确定每道题问什么、选项怎么编码，不会先收集再决定。但在 HIS 截图录入里，这个步骤通常被跳过，因为大家默认"拍了照就知道要什么"。
把字段定义前移，效果是让整个课题的所有截图都按同一套规则处理：
- 血红蛋白 → 列名固定为"血红蛋白(g/L)"，每张截图都取这个单位下的值
- 中性粒细胞 → 列名写"中性粒细胞绝对值(×10⁹/L)"，语义上就排除了旁边的百分比
- 血肌酐 → 列名写"血肌酐(μmol/L)"，如果某张截图显示的是 mg/dL，在规则里就已经约定了需要换算
这份定义在第一次设置时花 10 分钟，往后整个课题期间不再修改。不同时间、不同研究生用同一套列名收集的数据可以直接合并，不需要事后清洗。
简录AI 里的列名定义怎么用
用简录AI 处理 HIS 截图时，核心操作就是定义你要的列名。工具按这套定义从每张截图里提取对应的值，输出成结构化表格，每张截图一行。
工具做语义匹配，不是位置匹配：你写"肌酐"，它能识别截图里的"血清肌酐（Cr）"、"SCr"、"CREA"；你写"中性粒细胞绝对值"，它会找 NEUT# 那行的数值而不是旁边的 NEUT%。列名里带上单位是好习惯，既是给工具的指令，也是给将来读数据的人的说明。
这套列名可以保存为模板，整个课题复用——随访第 3 次的截图和基线截图用同一套列名，导出结果的列结构完全一致，直接导入 SPSS 或 R 就能用，不需要再整理列名。
如果同一个课题涉及多种 HIS 报告类型（比如血常规 + 生化全套），可以分别定义两套列名模板，分别处理，最后在 Excel 里按患者 ID 合并。
几个让这个流程更可靠的习惯
在课题设计阶段就确定列名，不是在收集阶段
确定研究变量的时候同时确定列名和单位。这和写数据采集方案是同一件事，只是更具体——不只是说"收集血常规指标"，而是列出"血红蛋白(g/L)、白细胞(×10⁹/L)、血小板(×10⁹/L)"这样的完整定义。
先用 5 张截图验证，再批量处理
用 5 张有代表性的截图（包括不同时间、不同 HIS 版本）测试列名配置，逐条对照原图确认提取结果正确。发现问题调整列名，而不是等批量处理完再来核对几百张。
多人协作时共享同一套列名配置
把列名配置发给一起收集数据的同学，每个人提交截图时用同一套定义。合并结果时不需要对齐列名，因为本来就是一致的。
缺失值保持空白，不要填默认值
如果某次随访某个检验项目没查，工具对应列会输出空值。保持空白，不要用 0 或其他数字填充。缺失值的处理规则在统计分析时再决定，不要在录入阶段就混入伪数据。
常见问题
论文方法部分怎么描述这个采集过程？
可以写："检验数据通过 AI 辅助工具按预定义字段规范从 HIS 截图中提取，预先定义了 X 个提取字段（附列名清单），并通过随机抽查 N 条原始截图对提取结果进行准确率验证。"这比"数据由研究者手动录入"更具体，也说明了你有质控步骤，对方法学审查更友好。
不同医院、不同 HIS 版本的截图，同一套列名能用吗？
大多数情况下可以。工具做语义匹配，不依赖固定布局。同一医院不同时期的 HIS 界面通常只是细节差异，字段名基本一致。如果你的课题涉及多个医院的截图，建议在每个医院各取几张先测试，确认匹配正确再批量处理。
提取结果还需要人工核查吗？
需要，但不需要逐张核查。建议每批导出后随机抽 5% 左右对照原图核对。一旦确认在某种 HIS 格式下准确率稳定，后续同类截图只需要抽检少量样本。AI 提取不是 100% 准确，科研数据采集场景需要建立核查机制，这和手工录入同样需要核查是一样的道理。
截图里有患者姓名和住院号，上传安全吗？
简录AI 的处理不用于模型训练，处理后不长期存储原始图片。即便如此，如果截图包含患者直接标识信息，建议在上传前遮盖患者姓名和住院号，只保留检验值区域。数据去标识化本身也是科研伦理的基本要求，和使用哪个工具无关。