【整理翻译自 SDTM IG 3.2: www.cdisc.org/SDTM】

以下涉及图片均来自 SDTM IG 3.2 Section 6.3

AE(Adverse Events) Model Examples

1. AE CRF以文本形式收集AE terms. 第一次研究用药于2016-10-13T12:00使用. 报告了3个AE记录. AE用MedDRA编码, sponsor流程包括修正报告事件的编码. CRF是结构化的, 所以严重程度类别变量(AESDTH, AESHOSP)仅当AESER="Y"时才会被检查.

Row1-2: (1) 修正了报告事件编码. 修正后的变量是AEMODIFY; (2) AESER=“N"时, 严重程度的响应, AESDTH,AESHOSP等严重类别变量为空值

Row3: AESER="Y"时, 相关变量(AESHOSP AESLIFE)的值为Y. 其他类别变量为空值. 另外,AEENRF应该被导出, 因为AE被标记为"Continuing",相对于研究结束的时期.

2. CRF模块发生于多个访视, 询问是否有nausea恶心, vomiting呕吐, diarrhea腹泻发生. 问题的响应(Yes, No, Not done)会在FA domain中表示. 如果是Yes, 则要求研究者完成Adverse Event CRF. 在AE数据集中, 由CRF中预设的请求会有AEPRESP=Y. 对于由一般问题请求的AE, AEPRESP的值为空. 通过RELREC链接AE和FA的记录.

Row1-2: 表明nauseq和vomiting在CRF预设了, 由AEPRESP=Y表示. subject没有发生diarrhea, 所以不存在相关记录

Row3: 表明Headache在CRF中没有预设, 所以AEPRESP为空

3. CRF模块仅发生一次, 并学问是否有nausea,vomiting,diarrhea发生. 根据该研究的要求这种情况报告为AE. 关于这些事件没有收集附加数据. 没有其他AE信息通过问题收集. 关于问题的响应(Yes,No, Not done)在FA中表示. 由于所有AE必须提交到AE数据集中, 从而导致一种不同的情况发生: AE数据集中需要导出term和flag, 来表明其已经预设, 但是时间信息受限于日期的收集, 并且其他期望的限定词不可用. RELREC用来连接AE和FA的记录.

Row1-2 通过问题询问得知subject发生了nausea和vomiting. subject未发生diarrhea, 所以数据集中没有相关记录.

4 研究者被要求每当AE的严重程度变化时,就要建立一个新的AE记录. 可以使用AEGRPID来识别一个subject的单一事件相关的一组记录

Row1: AE为nausea, 其严重程度为moderate

Row2: 用AEGRPID识别一个subject的单一事件相关的一组记录

CDISC SDTM AE domain学习笔记 - 2相关推荐

  1. CDISC SDTM IE domain学习笔记

     [整理翻译自 SDTM IG 3.2: www.cdisc.org/SDTM, 以下涉及图片来自Section 6.3] IE(Inclusion/Exclusion Criteria Not ...

  2. CDISC SDTM LB domain学习笔记

     [整理翻译自 SDTM IG 3.2: www.cdisc.org/SDTM, 以下涉及图片来自Section 6.3] LB(Laboratory Test Results): 包括但不限于h ...

  3. CDISC SDTM MI domain学习笔记

     [整理翻译自 SDTM IG 3.2: www.cdisc.org/SDTM, 以下涉及图片来自Section 6.3] MI(Microscopic Findings): 每个微观发现的记录 ...

  4. CDISC SDTM HO domain学习笔记

     [整理翻译自 SDTM IG 3.2: www.cdisc.org/SDTM, 以下涉及图片来自Section 6.2] HO(Healthcare Encounters): 包含住院病人和门诊 ...

  5. CDISC SDTM EG domain学习笔记

      [整理翻译自 SDTM IG 3.2: www.cdisc.org/SDTM, 以下涉及图片来自Section 6.3] EG(EG Test Results): ECG数据收集的发现, ...

  6. CVPR2020 Learning in the Frequency Domain学习笔记

    论文总结 为了解决CNN只能接受低分辨率的RGB图像,并且不改变现有的神经网络,论文提出了一种从频域上对图像进行reshape的方法,把原有图像压缩中的decoding环节里的IDCT过程去掉(计算量 ...

  7. 图像处理(二十四)Gradient Domain High Dynamic Range Compression学习笔记

    <Gradient Domain High Dynamic Range Compression>学习笔记 原文地址: 作者:hjimce 一.相关理论 本篇博文主要讲解基于梯度域编辑的HD ...

  8. Partial Adversarial Domain Adaptation学习笔记

    Partial Adversarial Domain Adaptation学习笔记 文章目录 Partial Adversarial Domain Adaptation学习笔记 tip Abstrac ...

  9. Importance Weighted Adversarial Nets for Partial Domain Adaptation学习笔记

    Importance Weighted Adversarial Nets for Partial Domain Adaptation学习笔记 文章目录 Importance Weighted Adve ...

  10. 《繁凡的深度学习笔记》前言、目录大纲 一文让你完全弄懂深度学习所有基础(DL笔记整理系列)

    <繁凡的深度学习笔记>前言.目录大纲 (DL笔记整理系列) 一文弄懂深度学习所有基础 ! 3043331995@qq.com https://fanfansann.blog.csdn.ne ...

最新文章

  1. 腾讯投资过 600 多家公司不惊奇,京东也有出手 260+ | 大公司投资并购盘点
  2. python 内存不足 dict 替代方案_2D数组代表一个巨大的python dict,COOrdinate就像解决方案来节省内存...
  3. tomcat对URL合法字符的判断(RFC 7230 and RFC 3986 异常排查)
  4. 计算a[0]*a[1]*...*a[n-1]/a[i]
  5. 笨办法学 Python · 续 练习 38:SQL 简介
  6. srsLTE源码学习:MAC层抓包pcap
  7. java实现家庭关系图_基于jsp的家族关系管理系统-JavaEE实现家族关系管理系统 - java项目源码...
  8. mysql 库存预警_仓库管理中如何实现库存预警
  9. 简单python脚本实例-python脚本例子
  10. Codeforces 888E - Maximum Subsequence
  11. 【TLSR825x】windows下开发环境搭建,固件烧录方法
  12. 【我为车狂性感车模win7主题】
  13. linux u盘 修复工具,在Linux终端中修复U盘驱动器问题
  14. 简易编程入门Part1
  15. POJ 3689 Equations 题解 《挑战程序设计竞赛》
  16. 小米4c怎么添加语言怎么设置在哪个文件夹,小米4C怎么加密图片?私密文件夹使用方法...
  17. 计算机专业学生的学期规划,大学生大一下学期规划
  18. C语言-输入任意多个数字,存到整型数组,支持任意间隔符,同时支持输入字母存到字符数组中
  19. 华为交换机配置eth-trunk以及模式选择
  20. [ZUCC 计网]BB-quiz-数据链路层测试-2020

热门文章

  1. AES攻击方法 :差分密码分析 boomerang attack飞去来器攻击
  2. vue中前端怎么读取txt文本文档?
  3. 第一遍C++Primer5th读完感
  4. 51单片机前言知识总结
  5. java菜鸟驿站_阿里巴巴内推(菜鸟驿站)一面总结
  6. MarkDown 语法手册
  7. opencms整合到java项目里_java-将标签云添加到OpenCMS网站
  8. 特征值与特征向量及其应用
  9. 人工智能与心理学(人工智能最终方向)
  10. java 服务器程序部署环境搭建