回顾性研究数据收集：
在进HIS之前，先把这个问题想清楚

基线时间点：必须在开始之前定义，没法事后补

举一个具体的情况：你的研究需要"入院时血红蛋白"。病人A入院当天就查了血常规，入院时的值就是那天的值，清晰。病人B入院后第一次血常规在第3天，因为之前忙着处理急症没有第一时间查。你打开HIS，看到第3天的值，判断"这大概就是入院时状态"，于是记了下来。

这两例的"基线"实际上不是同一个概念——一个是入院当天，一个是入院后第3天，可能已经经历了补液、输血或其他干预。但在Excel里，它们都在"基线血红蛋白"这一列，看起来完全一样。

这类不一致在手工收集过程中极难察觉，因为每次你的判断在当下都是"合理的"。等100例收完再回头看，已经无法确认哪些病人的基线是严格意义上的入院当天，哪些是第2天，哪些是第3天——原始截图里虽然有日期，但要逐一核对的工作量等于重做一遍。

先写一句话，把基线定义成可操作的规则

解决办法不复杂，就是在开始截图之前把基线定义落成文字。一个合格的基线定义应该精确到让任何人拿着它去HIS里都能找到同一张检验报告：

注意"入院后48小时内"和"第一次"都是具体的条件，没有任何需要临场判断的空间。碰到入院第3天才查血常规的病人，规则已经说了：缺失，不纳入。你不需要再做决定。

不同研究有不同的合理基线定义，但选哪种不是本文的重点——重点是选定之后写成一句话，所有病例统一执行。

筛病例：从哪里拿初始列表

大多数医院的HIS有"出院病人查询"功能，可以按科室、时间段、出院诊断（ICD编码）筛选，导出一份包含住院号的列表——这个操作通常不需要走数据申请流程，只是统计性查询。

拿到初始列表之后，还需要逐一核对排除标准。有一个实用技巧：先检查最能快速排除大量病例的那条标准。比如你需要排除合并肾功能不全的病人，这条可能直接排掉30%的初始列表，之后需要仔细核查的量就小得多。

初始300例经排除标准筛选后剩80-120例是正常比例，不是数据质量问题，是研究设计的正常损耗，估算样本量时要预留进去。

跨年份截图：不同时期的HIS界面格式可能不一样

跨越3-5年的回顾性研究，HIS系统可能经历过升级。同一个指标，2019年的截图里叫"中性粒细胞绝对值"，2022年的截图里可能改叫"NEUT#"，或者列的排布变了。

用简录AI批量处理这类截图时，它做语义匹配而不是位置匹配——你定义的列名"中性粒细胞绝对值(×10⁹/L)"，无论截图里用哪种写法，工具都能识别对应的那行数值。建议在批量处理前，从不同年份各取两三张截图先测试，确认提取结果正确后再展开。

缺失值：如实记录，不要在录入阶段做判断

回顾性研究里某些检验项目没有记录很常见——那次住院根本没查，或者查了但不在你能访问的界面上。遇到这种情况，对应单元格留空。

不要用0填充，不要用参考值正常值填充，不要用上次的值填充。这些处理方式都是在录入阶段引入了不该在这里做的判断。缺失值怎么处理（排除？插补？敏感性分析？）是统计分析阶段的决定，不是录入阶段的决定。