随访管理与试验结果完整性

随访管理与试验结果完整性演讲人随访管理与试验结果完整性01随访管理的核心要素：构建结果完整性的基础框架02引言：随访管理与试验结果完整性的核心内涵及行业意义03行业实践案例：随访管理与结果完整性的“成功样本”04目录01随访管理与试验结果完整性02引言：随访管理与试验结果完整性的核心内涵及行业意义引言：随访管理与试验结果完整性的核心内涵及行业意义在临床研究的全周期中，随访管理与试验结果完整性犹如“车之两轮、鸟之双翼”，共同构成了研究质量的基石。作为一名深耕临床研究领域十余年的从业者，我深刻体会到：随访管理是连接研究设计、数据采集与结果分析的纽带，而试验结果完整性则是确保研究结论科学、可靠、可复用的生命线。二者相辅相成，缺一不可——若随访管理缺位，数据将如同无源之水；若结果完整性缺失，研究便失去临床应用的价值。从行业视角看，随着《药物临床试验质量管理规范》（GCP）的全面推行和监管要求的持续升级，随访管理已不再是简单的“患者回访”，而是涵盖方案设计、过程执行、质量控制、风险预警的系统性工程；试验结果完整性也不仅指“数据齐全”，更强调数据的真实性、准确性、及时性和可追溯性（即“CRF原则”）。在循证医学时代，一项高质量的临床研究，必然以规范的随访管理为支撑，以完整的结果数据为底气。本文将从核心要素、影响机制、挑战策略、质量保障及实践案例五个维度，系统阐述随访管理与试验结果完整性的内在逻辑及实践路径，为行业同仁提供可借鉴的思路与方法。03随访管理的核心要素：构建结果完整性的基础框架随访管理的核心要素：构建结果完整性的基础框架随访管理的效能直接决定结果数据的“成色”，而其核心要素的构建需遵循“科学性、可行性、规范性”原则。结合国内外指南（如ICHE6、GCP）及实践经验，可将核心要素拆解为五大维度，各维度既独立运行，又相互嵌套，共同形成保障结果完整性的“防护网”。1随访设计的科学性：以目标为导向的顶层规划随访设计的科学性是结果完整性的“第一道关口”，其核心在于“明确目标、匹配方案、动态优化”。1随访设计的科学性：以目标为导向的顶层规划1.1随访目标的锚定随访目标需与试验目的严格对应。例如，在药物上市后有效性试验中，随访目标需聚焦“长期疗效指标（如总生存期、无进展生存期）”；而在安全性评价试验中，目标则需覆盖“潜在不良反应发生率、严重程度及转归”。我曾参与一项抗肿瘤药III期试验，最初设计的随访周期为12个月，但中期分析发现部分患者的远期疗效数据（如24个月生存率）存在缺失，直接影响研究终点论证。经伦理委员会和研究者讨论，我们将随访周期延长至24个月，并增加“季度电话随访+年度影像学检查”的组合方案，最终确保了生存数据的完整性。1随访设计的科学性：以目标为导向的顶层规划1.2随访时间点的合理性随访时间点需基于疾病自然史、药物代谢特征及预设终点科学设定。例如，对于急性感染性疾病试验，随访时间点可能覆盖“用药后24小时、72小时、7天、14天”；而对于慢性病试验（如糖尿病），则需按“月度、季度、年度”规律随访，同时设置“关键节点”（如血糖控制不佳时的强化随访点）。需特别注意“时间窗”的设定——既不宜过密导致受试者负担过重，也不宜过疏遗漏关键数据变化。1随访设计的科学性：以目标为导向的顶层规划1.3随访内容的精准性随访内容需围绕“核心指标”和“安全性指标”双主线设计。核心指标（如主要终点、次要终点）需严格遵循方案定义，确保数据采集的一致性；安全性指标则需采用标准化术语（如CTCAE分级），避免描述性偏倚。在一项心血管试验中，我们曾因“不良事件记录模糊”（如仅记录“患者胸闷”，未描述发生时间、持续时间、严重程度）导致数据无法分析，最终通过修订随访表、增加“标准化勾选项”解决了问题。1随访设计的科学性：以目标为导向的顶层规划1.4随访方法的适配性随访方法需根据受试者特征、试验阶段及资源条件灵活选择，常见方法包括：-现场随访：适用于需体格检查、样本采集的指标（如肿瘤疗效评价），优势是数据直观，但易受受试者依从性影响；-远程随访：通过电话、APP、可穿戴设备等进行数据采集，适用于慢性病管理，优势是便捷高效，但需确保数据真实性和设备准确性；-社区联动：与基层医疗机构合作，解决偏远地区受试者随访难问题，需提前完成社区培训和质量控制。2受试者管理的人性化：以依从性为核心的沟通策略受试者是随访管理的“核心对象”，其依从性直接决定数据完整性。人性化的管理需兼顾“科学沟通”与“人文关怀”，让受试者从“被动接受”转为“主动参与”。2受试者管理的人性化：以依从性为核心的沟通策略2.1知情同意的深度延伸知情同意不仅是试验启动前的“一次性告知”，更需贯穿随访全程。在方案设计阶段，应通过通俗易懂的语言向受试者说明“随访的必要性、时间安排、潜在风险及获益”；在随访过程中，若需调整随访计划，需重新获取知情同意。我曾遇到一位老年糖尿病患者，因担心“频繁抽血”拒绝随访，经研究者详细解释“定期监测对调整用药的重要性”，并同意“减少抽血频次、增加指尖血糖检测”，最终完成了全部随访。2受试者管理的人性化：以依从性为核心的沟通策略2.2个体化随访计划根据受试者年龄、文化程度、居住地、疾病特点等因素制定个性化方案。例如，对年轻上班族可采用“周末+线上随访”，对老年受试者则提供“上门随访+家属陪同”服务；对语言不通的受试者，配备专业翻译或双语材料。在某项精神分裂症试验中，我们针对部分患者“社交回避”的特点，采用“视频随访+家属共同参与”模式，将失访率从20%降至8%。2受试者管理的人性化：以依从性为核心的沟通策略2.3依从性激励与支持建立正向激励机制，如“完成全周期随访赠送体检卡、交通补贴”，同时关注受试者心理需求。例如，在肿瘤试验中，我们为受试者建立“随访专属档案”，每次随访后提供“病情进展报告”，让受试者感受到“被重视”；对失访风险高的受试者，提前进行“预警干预”（如增加随访频次、发送提醒短信）。3数据采集的标准化：以准确性为目标的流程管控数据采集是连接随访管理与结果完整性的“最后一公里”，标准化流程是确保数据“真实、准确、完整”的核心保障。3数据采集的标准化：以准确性为目标的流程管控3.1工具与表单的规范化采用统一设计的随访记录表（CRF/电子CRF），明确填写要求（如“数值单位需统一”“不良事件需记录因果关系判断”）。电子CRF（eCRF）系统需具备“逻辑校验”（如“年龄填写为15岁，但生育史记录为‘已产’”时自动提示）、“必填项强制填写”等功能，从源头减少数据错误。3数据采集的标准化：以准确性为目标的流程管控3.2采集过程的实时性数据需“随采随录”，避免事后补录导致的信息偏差。例如，在实验室检查随访中，需由研究者当场核对检验结果并录入系统，受试者离院后仅允许“结果修正”（需提供原始报告支持）；对远程采集的数据（如血压、血糖），需通过设备自动上传，避免人工录入误差。3数据采集的标准化：以准确性为目标的流程管控3.3数据溯源的可追溯性建立“数据-原始文件”关联机制，确保每个数据点均可追溯。例如，影像学报告需存储PACS系统，并记录“检查日期、设备型号、阅片医师”；受试者访谈记录需注明“时间、地点、参与人员”，并录音备查（需提前获得受试者同意）。4质量控制的全程化：以风险为导向的动态监管质量控制（QC）是随访管理的“免疫系统”，需贯穿“设计-执行-分析”全流程，实现“风险提前预防、偏差及时纠正”。4质量控制的全程化：以风险为导向的动态监管4.1预试验阶段的方案验证在正式试验前开展“预试验”（pilotstudy），验证随访设计的可行性。例如，通过10-20例受试者的随访，评估“时间点设置是否合理”“表单填写是否便捷”“远程设备是否易用”，并根据反馈调整方案。某项呼吸系统疾病试验在预试验中发现，“肺功能检查需患者配合呼气动作，部分老年患者操作困难”，遂增加“操作视频演示”和“专人指导”，将数据合格率从75%提升至98%。4质量控制的全程化：以风险为导向的动态监管4.2执行过程中的监查与稽查设立三级监查体系：-研究者监查：由研究护士/医师每日核查随访记录，确保数据及时录入；-机构监查：由申办方临床监查员（CRA）每2-4周现场检查，重点核对“数据与原始文件一致性”“不良事件漏报率”；-独立稽查：由质量保证部门（QA）或第三方机构开展不定期稽查，评估“随访流程合规性”。4质量控制的全程化：以风险为导向的动态监管4.3数据分析前的全面核查-一致性核查：比对不同来源数据（如“CRF与医院HIS系统记录”）。-完整性核查：统计“缺失数据比例”，分析缺失原因（如“失访”“拒绝检查”）；-逻辑核查：识别异常值（如“收缩压200mmHg，但心率仅50次/分”）；在数据库锁定前，进行“数据清洗与核查”，包括：CBAD5伦理与法规的合规性：以受试者为中心的红线意识随访管理必须遵循“伦理优先、法规合规”原则，这是结果完整性的“底线保障”。5伦理与法规的合规性：以受试者为中心的红线意识5.1伦理委员会的持续oversight随访方案需经伦理委员会（EC）审批，若随访计划调整（如延长周期、增加检查项目），需重新报批。EC需定期审查“随访不良事件报告”“受试者权益保障措施”，确保研究风险最小化。5伦理与法规的合规性：以受试者为中心的红线意识5.2数据隐私与安全的严格保护遵循《个人信息保护法》和GCP要求，对受试者隐私信息（如身份证号、联系方式）进行“去标识化”处理；数据存储需采用“加密传输+权限分级管理”，仅授权人员可访问敏感数据。我曾参与的一项试验因“随访数据未加密存储，导致患者信息泄露”而暂停，教训深刻——合规不仅是监管要求，更是对受试者的基本尊重。3.随访管理对试验结果完整性的影响机制：从过程到结果的逻辑链条明确了随访管理的核心要素后，需进一步探究其如何作用于试验结果完整性。这种影响并非单向“线性关系”，而是通过“减少数据缺失、控制偏倚、提升数据质量”等多重路径实现的系统性效应。1降低数据缺失率：填补结果完整性的“关键缺口”数据缺失是影响结果完整性的最常见问题，发生率若超过15%，可能导致结果偏倚甚至失效。随访管理通过“预防-识别-补救”三步法，显著降低缺失率。1降低数据缺失率：填补结果完整性的“关键缺口”1.1缺失原因的针对性预防-失访型缺失：因受试者地址变更、联系方式失联导致，可通过“多渠道联系（电话、短信、社交媒体）、家属协助、社区联动”降低；-拒绝型缺失：因受试者对随访意义不理解或负担过重导致，需通过“知情同意强化、个性化方案、激励措施”提升依从性；-技术型缺失：因检查设备故障、操作不当导致，需通过“设备定期维护、人员培训、备用方案”减少。在一项为期3年的心血管试验中，我们通过建立“受试者动态档案”（每季度更新联系方式）、与当地疾控中心合作“地址变更追踪”，将失访率从12%降至3%，确保了长期随访数据的完整性。1降低数据缺失率：填补结果完整性的“关键缺口”1.2缺失数据的科学填补对已发生的缺失数据，需根据“缺失机制”（完全随机缺失MCAR、随机缺失MAR、非随机缺失MNAR）选择填补方法，而非简单删除。例如，对于“MAR型缺失”（如因工作繁忙错过某次随访），可采用“多重插补法”基于其他变量（如年龄、基线指标）进行预测填补；对于“MNAR型缺失”（如因疗效差拒绝随访），则需在统计分析中标记并进行敏感性分析，避免高估疗效。2控制选择偏倚与测量偏倚：提升结果的真实性与准确性偏倚是影响结果可靠性的“隐形杀手”，随访管理通过标准化流程和动态监管，从源头控制偏倚产生。2控制选择偏倚与测量偏倚：提升结果的真实性与准确性2.1选择偏倚的控制选择偏倚多因“入组受试者与目标人群不一致”或“随访过程中受试者系统性退出”导致。例如，在一项降压药试验中，若年轻受试者因工作忙更易失访，而老年受试者因依从性高完成随访，可能导致“结果高估药物在年轻人群中的疗效”。为避免此类偏倚，需在随访设计中“均衡不同特征受试者的随访比例”，并采用“意向性治疗分析（ITT）”原则，将所有入组受试者纳入分析，无论其是否完成随访。2控制选择偏倚与测量偏倚：提升结果的真实性与准确性2.2测量偏倚的控制测量偏倚源于“数据采集方法不一致”或“研究者主观判断差异”。例如，在不同中心进行肿瘤疗效评价时，若采用不同的影像学评估标准（如RECIST1.1vs.iRECIST），可能导致“疗效判断偏倚”。为此，需开展“研究者培训”（统一评估标准）、“中心影像学阅片”（由独立专家对所有中心影像进行集中判读），并在随访中使用“标准化检查设备”（如统一型号的超声仪、CT机）。3提升数据的及时性与可追溯性：增强结果的可信度及时性和可追溯性是结果完整性的“重要标尺”，直接影响数据在监管机构和临床决策中的认可度。3提升数据的及时性与可追溯性：增强结果的可信度3.1数据及时性的保障“延迟录入”的数据可能导致“回忆偏倚”（如受试者对不良事件发生时间的描述模糊）或“信息丢失”（如检验报告单遗失）。随访管理需通过“实时数据录入系统”（如eCRF移动端）、“每日数据核查机制”，确保数据在随访结束后24小时内录入系统。在某项急诊试验中，我们通过“床旁电子数据采集”，要求研究者当场录入患者生命体征和用药情况，将数据录入延迟率从30%降至5%，显著提升了数据的时效性。3提升数据的及时性与可追溯性：增强结果的可信度3.2数据可追溯性的实现“可追溯”意味着每个数据点都可回溯至“原始来源、操作人员、时间节点”。例如，某受试者的“实验室检查异常值”需记录：-原始文件：检验科报告单编号、检测日期、仪器型号；-操作人员：采样护士、录入医师、审核研究者；-时间节点：采样时间、录入时间、审核时间。这种“全链条追溯”机制，不仅便于数据核查，更能向监管机构证明数据的“真实性”，增强研究结论的可信度。4.随访管理与结果完整性的常见挑战及应对策略：实践中的问题与破局之道尽管行业已形成规范的随访管理体系，但在实践中仍面临诸多挑战。结合个人经验，以下五类问题尤为突出，需通过“创新思维+系统方法”针对性解决。1挑战一：失访率高——结果完整性的“最大威胁”1.1问题表现失访是临床研究的“顽疾”，尤其在慢性病、老年病试验中，失访率可达20%-30%。例如，在一项为期5年的糖尿病并发症试验中，因受试者搬迁、病情好转、对研究失去兴趣等原因，最终仅65%的受试者完成全部随访，导致“长期并发症发生率”数据存在严重偏倚。1挑战一：失访率高——结果完整性的“最大威胁”1.2应对策略-建立“失访预警模型”：基于基线特征（如年龄、居住地、疾病严重程度）预测失访风险，对高风险受试者（如独居、老年、合并多种疾病）增加随访频次，提供“一对一”联络服务；-创新“失访追踪技术”：利用“大数据+人工智能”技术，整合“医保数据、社区健康档案、手机定位信息”等合法渠道，定位失访受试者（需提前在知情同意中明确授权）；-优化“随访体验”：将随访与“临床获益”结合，如为受试者提供“免费体检、专家咨询、用药指导”，让其感受到“随访不仅是研究，更是健康管理”。2挑战二：数据异质性——多中心试验中的“协调难题”2.1问题表现多中心试验因“中心间研究者经验、设备条件、操作习惯差异”，易导致“数据异质性”。例如，在不同中心进行“关节活动度测量”时，A中心采用“人工测量法”，B中心采用“影像学测量法”，数据虽均“完整”，但因方法不同失去可比性。2挑战二：数据异质性——多中心试验中的“协调难题”2.2应对策略-统一“核心标准操作规程（SOP）”：针对所有随访指标（如体格检查、样本采集、疗效评价），制定详细SOP，并开展“多中心研究者培训+考核”，确保执行一致；01-建立“中心质量控制体系”：由“核心实验室”“影像中心”等第三方机构对所有中心的数据进行集中复核，对“偏离SOP的中心”进行整改甚至淘汰；02-引入“实时反馈机制”：通过“电子数据采集系统”实时显示各中心“数据合格率、异常值比例”，并定期召开“中心质控会”，共享经验、纠正偏差。033挑战三：技术工具落后——数字化时代的“效率瓶颈”3.1问题表现部分机构仍采用“纸质CRF+电话随访”的传统模式，存在“录入效率低、易出错、数据难共享”等问题。例如，在一项基层医院开展的高血压试验中，因乡村医师不熟悉电子系统，仍使用纸质记录，导致数据录入延迟1-2个月，且10%的数据因字迹模糊无法识别。3挑战三：技术工具落后——数字化时代的“效率瓶颈”3.2应对策略-推广“智能化随访工具”：采用“集成化eCRF系统”，整合“受试者管理、随访提醒、数据采集、统计分析”功能，支持“移动端操作、离线录入、自动同步”；-引入“远程医疗技术”：对偏远地区受试者，通过“5G视频随访+可穿戴设备”（如智能血压计、血糖仪）实现“远程数据采集”，既降低受试者负担，又提升数据及时性；-探索“人工智能辅助随访”：利用AI聊天机器人进行“标准化随访”（如询问不良事件、用药依从性），对“异常回答”（如“最近胸痛加重”）自动触发“人工干预”，提高随访效率。4挑战四：伦理与科学的平衡——风险与获益的“艰难抉择”4.1问题表现随访管理中常面临“伦理要求”与“科学需求”的冲突。例如，在肿瘤试验中，为评估“远期生存期”，需将随访周期延长至5年甚至10年，但部分受试者因“担心隐私泄露”“频繁检查负担”拒绝长期随访，导致生存数据缺失。4挑战四：伦理与科学的平衡——风险与获益的“艰难抉择”4.2应对策略No.3-开展“风险-获益评估”：在试验设计阶段，通过“伦理委员会+统计学专家”联合评估，明确“最短随访周期”和“核心随访指标”，避免“过度随访”；-强化“受试者参与权”：在知情同意时，向受试者说明“可自主选择部分随访项目”（如“可拒绝年度影像学检查，但需完成生存状态随访”），并通过“简化随访流程”“提供交通补贴”降低其负担；-建立“伦理豁免机制”：对“已完成主要疗效终点评估但需长期安全性随访”的受试者，若其明确拒绝，可经伦理委员会批准后“仅收集安全性相关数据”（如住院记录、死亡证明），在保护受试者权益的同时，确保关键安全性数据的完整性。No.2No.15挑战五：人员能力不足——执行层面的“素质短板”5.1问题表现随访管理涉及“研究者、研究护士、CRC（临床研究协调员）、数据管理员”等多角色，部分人员因“专业知识不足、沟通能力欠缺、责任心不强”，导致随访质量低下。例如，某CRC因“未详细询问受试者用药史”，导致“合并用药漏报率高达15%”，影响安全性结果分析。5挑战五：人员能力不足——执行层面的“素质短板”5.2应对策略-构建“分层培训体系”：对研究者开展“GCP+方案解读”培训，对CRC开展“沟通技巧+随访流程”培训，对数据管理员开展“数据规范+系统操作”培训，并定期考核；-推行“绩效考核与激励”：将“随访完成率、数据合格率、受试者满意度”纳入人员考核指标，对表现优异者给予“奖金晋升、学术交流”等激励；-建立“多学科协作团队”：由“临床专家、统计师、数据经理、QA”组成核心团队，定期召开“随访质量分析会”，解决执行中的共性问题，提升团队整体能力。5.随访管理与结果完整性的质量保障体系：构建全流程的“防护网”质量保障是随访管理的“生命线”，需通过“组织架构-制度规范-技术支持-持续改进”四位一体的体系，确保随访过程可控、结果可靠。1组织架构：明确职责，协同高效建立“申办方-研究者-伦理委员会-监管机构”四方协同的组织架构，明确各方职责：-申办方：负责随访方案设计、工具开发、经费保障、质量监查；-研究者：负责具体随访执行、数据采集、不良事件处理；-伦理委员会：负责随访方案伦理审查、受试者权益监督；-监管机构：负责随访流程合规性检查、数据完整性核查。例如，在某项国际多中心试验中，申办方设立“全球随访管理团队”，统筹各中心随访进度；研究者团队下设“随访小组”（由1名医师、2名护士组成），专职负责受试者管理；伦理委员会每季度审查“随访不良事件报告”，监管机构通过“远程稽查系统”实时监查数据质量，形成“各司其职、无缝衔接”的协同网络。2制度规范：有章可循，有据可查制定覆盖随访全流程的制度规范，包括：-《随访管理SOP》：明确随访设计、执行、监查、数据管理的标准操作流程；-《数据质量保证指南》：规定数据采集、录入、核查、存储的具体要求；-《不良事件处理规程》：明确随访中不良事件的收集、评估、报告流程；-《受试者隐私保护制度》：规范受试者信息的采集、使用、存储和销毁。制度需“动态更新”，结合国内外法规变化（如《GCP（2020年修订版）》）和行业最佳实践，定期修订完善，确保其科学性和适用性。3技术支持：智能赋能，提质增效依托“信息化、数字化、智能化”技术，构建“全流程、多维度”的技术支持体系：-电子数据采集系统（EDC）：实现“数据实时录入、逻辑自动校验、异常实时预警”，减少人工录入误差；-受试者管理平台：整合“受试者信息、随访计划、数据记录”，支持“个性化随访提醒、依从性分析、失访预警”；-中央影像实验室：对多中心影像数据进行集中存储、阅片和质控，确保疗效评价一致性；-区块链技术：用于“关键数据（如随机化、不良事件）存证”，利用其“不可篡改、可追溯”特性，增强数据可信度。03020501044持续改进：PDCA循环，精益求精采用“计划（Plan）-执行（Do）-检查（Check）-处理（Act）”循环，推动随访质量持续改进：-计划：基于历史数据和监查结果，识别随访中的薄弱环节（如“某中心失访率高”），制定改进计划；-执行：落实改进措施（如“增加该中心随访频次、加强患者沟通”）；-检查：通过“数据核查、现场监查、受试者访谈”评估改进效果；-处理：对有效的措施标准化、制度化，对未解决的问题进入下一轮PDCA循环。例如，某试验通过PDCA循环，针对“远程随访数据不准确”问题，在“计划”阶段分析原因为“患者未规范使用设备”；“执行”阶段开展“设备使用培训+视频演示”；“检查”阶段发现“数据准确率从70%提升至92%”；“处理”阶段将“设备使用指南”纳入SOP，并在其他中心推广，实现质量持续改进。04行业实践案例：随访管理与结果完整性的“成功样本”行业实践案例：随访管理与结果完整性的“成功样本”理论需通过实践检验。以下两个案例分别来自“创新药临床试验”和“上市后真实世界研究”，从不同维度展现了随访管理对结果完整性的关键作用。6.1案例一：某PD-1抑制剂III期临床试验——标准化随访确保长期生存数据完整1.1试验背景该试验旨在评估PD-1抑制剂联合化疗vs.单纯化疗在晚期非小细胞肺癌中的疗效和安全性，主要终点为“总生存期（OS）”，需随访24个月。1.2随访管理策略-多层级随访设计：采用“核心随访（每3个月影像学检查+生存状态评估）+安全性随访（每月电话+不良事件记录）”组合，确保疗效和安全性数据全覆盖；01-中心化影像评估：所有中心影像上传至中央实验室，由2名独立radiologist采用RECIST1.1标准评估，确保疗效判断一致性；02-失访追踪系统：建立“受试者-家属-社区-研究团队”四方联动网络，对失访风险高的受试者（如偏远地区、独居老人），通过“村委会协助+医保数据查询”定位，最终失访率仅5.2%（行业平均15%-20%）；03-实时数据监查：通过EDC系统实时监控“数据录入及时率、不良事件漏报率”，对“延迟录入超过7天”的受试者自动提醒研究者跟进。041.3结果与启示该试验最终纳入480例受试者，476例完成主要随访，98.3%的数据符合“完整性、准确性”要求。研究显示，“联合治疗组OS显著优于化疗组（HR=0.68，P=0.002）”，数据得到FDA和NMPA认可，药物顺利获批上市。启示：在长期随访试验中，“标准化流程+多中心协同+技术创新”是确保结果完整性的核心。6.2案例二：某SGLT-2抑制剂上市后真实世界研究——智能化随访提升真实世界数据完整性2.1研究背景为评估SGLT-2抑制剂在2型糖尿病患者中的“长期心血管获益和肾