易迪希 Clinflash IRT随机化与供应管理系统

🎯 产品定位与核心价值

IRT 定位为随机化与药品供应的联动系统：把受试者分配、盲码管理与药物发运放在同一套规则下运行，在保证盲态的同时让供应跟得上入组节奏。

⚙️ 工作原理与运行机制

随机化与供应管理系统（IRT/IWRS/RTSM）承担的是一条链上的两个环节：把受试者分到哪一组，以及让这一组需要的药在对的时间到对的中心。两者必须联动，否则会出现“随机成功了但中心没药”。

随机化：分配逻辑要在方案层面定死

区组随机控制组间人数均衡，分层随机保证关键预后因素在各组分布接近，动态随机按已入组情况实时调整分配概率。三种方法对应不同的试验需求，且都必须在方案与统计分析计划中预先写定——系统只是执行，不替研究者做方法选择。

供应管理：从被动发药到自动补货

传统做法是中心定期报库存、申办方人工判断要不要发货，周期长且容易断药。IRT 的做法是把库存水平与入组速度绑起来：设定每个中心的库存下限与补货上限，当消耗触及下限时自动触发订单，同时考虑运输周期与效期。

编盲：谁都不能提前知道

盲态是随机系统的底线。系统按角色控制可见范围：受试者与研究者只见随机号，紧急揭盲走独立流程并留痕，统计人员只能接触分析所需的盲底。任何一次揭盲都要记录时间、原因与操作人，这是核查时的必查项。

双重校验：把错误拦在发药前

随机与发药一旦出错，补救成本极高——可能意味着受试者退出甚至整个中心的数据不可用。系统采用双重校验机制，在分配与发药两个节点各做一次逻辑核对，降低潜在风险。

⭐ 核心能力详解

📋 技术规格

🧭 部署形态与配置对比

随机化这件事有三种实现形态，成本与风险差异很大。选哪种取决于试验复杂度，而不是预算多少。

形态一：人工随机（信封法或随机表）

适合样本量小、单中心的早期研究。做法是按随机表预先封装信封，入组时依次开启。优点是成本低、上手快；风险在可追溯性——信封是否被提前开启、开启顺序是否记录，全靠人工自律，核查时难以自证。

形态二：IRT 独立部署

随机与供应管理独立成系统，与 EDC 通过接口交换数据。优点是职责清晰、可跨项目复用；缺点是多一套系统需要维护，接口出错时排查链路长。适用于供应管理复杂、多国家多中心的研究。

形态三：与 EDC 一体化

随机模块嵌入 EDC，受试者录入后直接分配。优点是数据同源、无需接口；缺点是随机逻辑受限于 EDC 的配置能力，复杂动态随机可能无法表达。适用于随机方法相对标准的研究。

怎么选：看三个问题

其一，供应管理是否复杂（多剂型、多批次、多国家运输）——复杂则倾向独立 IRT。第二，随机方法是否需要动态调整——需要则确认所选系统能否配置。第三，是否有跨国数据驻留要求——有则要看部署节点分布。

📊 规格参数横向对比

IRT 的差异集中在随机方法的覆盖度与供应管理的自动化程度。下表按可核验的能力项做横向对比，便于对照自身方案。

表中最后两行常被忽略。验证基础决定核查时能否提供系统验证文档；适用规模决定扩展成本——用小样本方案支撑大型研究，问题会在入组中期集中出现。

🎯 典型应用场景

🏬 典型场景深描

IRT 的复杂度主要由“用药方案”和“供应网络”两个变量决定。以下四类场景基本覆盖了常见形态。

多臂剂量探索研究

同一研究包含多个剂量组，且可能中途增加队列。系统需要支持 Cohort 多群组独立给药，新增队列时不推翻既有随机结果。这类项目要特别确认：新增队列后，原有受试者的分配记录是否仍然完整可查。

按体重或体表面积给药的生物制品

剂量随受试者参数变化，发药数量不能按固定规格计算。系统支持按体重、年龄、体表计算剂量，随机分配后直接给出该次访视需要的支数。手工计算这类剂量，出错概率随中心数上升而放大。

跨国供应网络

多国家研究涉及各地药品包装差异、清关周期与效期管理。系统需要按国家或区域维护独立库存池，并支持跨区域调拨。调拨逻辑若不清晰，容易出现某地过期报废、另一地断药。

疫苗与预防性研究

这类研究入组量大、单次给药、随访集中，供应压力集中在前期。系统需要支持大批量一次性发药与集中配送，同时对温度敏感品种记录运输条件。

👥 不同角色的使用反馈

IRT 的使用者分成四类角色，各自关注的不是同一件事。理解差异有助于设计培训与权限。

研究者与协调员：只关心“这一步能不能过”

他们打开系统只为两件事：给受试者随机、领药。界面层级越少越好，最好一次操作完成。任何需要查手册的步骤，都会在实际执行中变形。培训重点应放在异常处理——随机失败、库存不足、受试者退出时该怎么办。

药物供应管理员：关心“会不会断”

他们每天看的是各中心库存、在途订单与效期分布。对系统的要求是可视化与预警：一眼看出哪些中心危险、哪些批次临期。报表导出能力对他们比界面美观更重要。

生物统计人员：关心“随机过程是否可复现”

统计人员关注随机种子、区组长度、分层因素是否按方案执行，以及能否导出完整随机记录用于分析。系统若只提供结果不提供过程记录，会在统计审核时被质疑。

项目经理与监查员：关心“有没有异常”

他们需要的是异常视图：哪些中心随机速度异常、哪些中心库存周转过慢、有没有非计划揭盲。这类信息应以清单形式推送，而不是埋在多层菜单里。

📦 接入方式

⚔️ 产品差异化特点

• 随机与供应一体分配、编码与发运在同一系统联动，减少跨系统对账。
• 盲态可控揭盲走独立审批路径，全程留痕。
• 供应预测结合入组速度测算需求，提前预警。
• 交互简单中心人员操作步骤少，降低误操作风险。

✅ 使用最佳实践

🧩 选购与适配建议

IRT 的选型判断点与 EDC 不同：EDC 看建库效率，IRT 看“会不会断药”和“盲态守不守得住”。以下五项按风险排序。

• 一看随机方法的覆盖能力。把方案里的随机方法逐条对照系统支持清单，特别是动态随机与再随机。无法支持的，要么改方案，要么换系统，不能指望实施时临时想办法。
• 二看库存与补货的自动化程度。关键问题是：补货是系统触发还是人工判断。人工判断意味着需要专人盯库存，规模上升后必然出现疏漏。
• 三看编盲与揭盲流程。要求演示一次紧急揭盲的完整路径：谁申请、谁批准、记录什么、事后如何追溯。这条路径不清楚的系统，盲态管理有隐患。
• 四看验证文档与合规基础。CMMI3、GAMP5、GxP5 类验证是否齐备，能否提供验证报告。IRT 属于 GxP 关键系统，这一项不能含糊。
• 五看与 EDC 的集成方式。受试者编号、随机号、访视计划应自动传递。若靠人工同步，多中心场景下必然出现编号错位。

一个实操建议

在合同阶段就约定“方案修订时的配置变更流程与时限”。III 期研究改方案并不罕见，若每次修订都要走长周期排期，入组会停摆。这一条比多几个功能更影响项目节奏。

🔧 运维保养与日常维护

IRT 的运维围绕三个对象：库存、盲态、随机记录。三者任一失真，都会直接影响受试者。

每日：库存与订单状态

关注两件事：触发补货但未确认发货的订单、库存低于下限但未触发订单的中心。后者通常意味着库存数据未及时更新，需要中心配合盘点。

每周：随机与发药对账

核对随机号与实际发药记录是否一一对应，检查是否有受试者已随机但未发药、或发药数量与方案不符。这类差异发现得越早，补救空间越大。

每月：效期与批次管理

输出临期批次清单，按剩余效期与预计消耗速度判断是否需要调拨或申请延期。临期药品报废是 IRT 管理中最容易量化的损失，值得单独跟踪。

事件驱动：揭盲与方案修订

每次揭盲后复核留痕是否完整；每次方案修订后复核随机配置是否同步更新，并对存量受试者做一次影响评估。这两类事件是审计重点。

❓ 常见问题

📜 信息来源与免责声明