新型冠狀病毒肺炎（COVID-19）已被世界衛生組織（WHO）評估為大流行病。盡管已研發了多個保護效果超過 50% 的疫苗，但在治療方面，瑞德西韋仍是經過美國食品藥品監督管理局（FDA）有條件批準用于治療 COVID-19 的抗病毒藥物，而其他治療方案均未有足夠的臨床證據推薦使用。國內外已注冊了多個臨床試驗以開發安全有效的治療藥物或疫苗。為更好地促進 COVID-19 臨床研究數據的采集、制表與分析，提高臨床研究效率，同時促進多個同類研究數據整合、共享和二次分析，臨床數據交換標準協會（CDISC）開發了 COVID-19 治療領域標準用戶指南及基于 WHO 和國際嚴重急性呼吸道與新興感染聯合會聯合開發的用來收集 COVID-19 相關臨床特征的注釋病例報告表（aCRF）和數據相關映射表格。此外，CDISC 開發制訂了《因 COVID-19 暴發而中斷運行的研究的指南》及臨時分析數據模型（ADaM）指南，以幫助受影響的臨床試驗采集存儲和分析相關數據。本文介紹該指南及其相關標準的結構與內容，以期促進其在國內的 COVID-19 臨床試驗及因 COVID-19 大流行而中斷運行的研究中的應用。
在研究周期長、藥物昂貴稀缺、藥物保質期短、研究方案變更的試驗中，為提高效率和節省資源，可實施藥物編盲的動態管理。我們以一個中藥治療肝病的隨機雙盲臨床對照試驗為例程序化地介紹藥物管理、編盲從準備階段到最后藥物配送的實施過程，逐步實現藥物動態管理與編盲的規范化操作。藥物動態管理與編盲結合較傳統編盲靈活度高，能較好應對臨床研究中治療方案變換、研究用藥浪費、過期等問題。隨機雙盲對照試驗中藥物的動態管理涉及復雜的編盲、管理過程，需采用合適的方法和設定合理的工作程序。
目的調查分析目前國內登記研究的現狀，為下一步研究開展提供依據。方法檢索世界衛生組織一級注冊平臺、美國臨床試驗注冊平臺和其他注冊平臺，搜集已注冊的中國大陸境內實施的登記研究，檢索時限為注冊平臺建立到 2018 年 7 月 31 日。由 2 名研究者收集、整理數據后，采用描述性統計方法進行分析，使用 Python 3.5 中的 python-igraph 程序包繪制網絡關系圖。結果共檢索到 247 個登記研究，主要以疾病登記和醫藥產品登記研究為主。研究設計形式以隊列研究和病例系列為主；研究方向集中于心腦血管等慢性疾病；研究地點主要集中于經濟發達的北上廣區域。研究設計和研究疾病系統網絡關系圖表明隊列研究設計在神經系統和循環系統應用較多。研究發起地和研究疾病系統網絡關系圖顯示北京以研究循環和神經系統疾病為主、上海以研究循環系統疾病為主、廣東研究神經系統和泌尿系統疾病相對較多。結論我國登記研究日益增多，反映出我國對于疾病長期終點評價日益重視。
在缺乏數據進行 Meta 分析的系統評價中，通常使用替代合成方法，但這些方法卻很少被報道，而模糊的方法闡述可能會導致人們質疑系統評價結果的真實性。無 Meta 分析數據合成（SWiM）報告規范是用于指導采用了替代合成方法評估干預措施效應的系統評價進行清晰報告的規范。本文介紹了 SWiM 規范的研制過程及 9 個 SWiM 報告條目及其相應的解釋與示例。