RTSM 临床试验供应计划 2026：如何将注册库标记转化为方案层面的供应决策

TL;DR

核心要点： 在ClinicalTrials.gov收录的125,076项随机化药物临床试验中，62,979项（50.4%）恰好只有两个注册设计组和一个报告国家。一个包含1,786项研究的代表性子集采用双盲设计，且至少有三个设计组和两个报告国家。这些字段是有用的初筛信号——但这两个子集都无法决定所需的RTSM配置。经得起推敲的决策源自方案、供应链以及产品层面的事实，而注册库并不包含这些内容。

随机化表将受试者分配至各个试验组。它完全没有说明药品存放于何处、采用何种包装、使用何种语言、有效期至何时，以及在凌晨2点发生紧急情况时谁可以破盲。这些都属于供应问题，它们会随着国家数量、试验组数量、设盲深度和入组规模而成倍增加——而不是随统计设计本身增加。这种错误在两个方向上均有体现：一个设盲的九国3期临床试验仅靠静态药盒分配和补货邮件维持运转，而一个单中心的两组临床试验却在为其根本用不上的企业级供应预测功能买单。

这一问题在2026年格外具有现实意义。ICH E6(R3)——于2025年1月通过，自2025年7月起在欧盟适用，并于2025年9月由FDA采纳——将比例原则明确确立为试验流程的组织原则 [1][2][3]。因此，一个经得起推敲的供应决策需要两个层面：首先利用注册库标记进行早期项目组合初筛分流，随后在方案层面针对研究中心、访视、给药、效期、包装、仓库、进口路线、温度条件、入组动态以及再供应影响进行综合评估。

基于2026年7月25日的ClinicalTrials.gov研究文件与AACT计算值（2026年8月1日）相关联的数据，并限定于采用随机分配的干预性药物研究（n = 125,076），三项计算事实确立了这一量级规模 [4][5][6]。

半数集中在一个低标记注册库单元中。 62,979项研究（50.4%）恰好具有两个注册设计组和一个报告国家。总体组别数量：中位数 2，p90 4，p99 9，最大值 63。报告国家数量：中位数 1，p90 3，p99 23，最大值 57；12,604条记录未记录国家 [6]。

一个高复杂度标记队列规模较小且主要由行业申办。 双盲 × ≥3个注册设计组 × ≥2个报告国家：n = 1,786，设计组中位数 4，国家中位数 7（p90 = 19），入组人数中位数 267（p90 = 1,040）；其中1,723项由行业申办 [5][6]。这说明了哪些研究值得深入审查；它并不是经过验证的RTSM需求规则，也不是竞争对手对标基准。

设盲现象普遍且具有操作相关性。 在125,076项研究中，有84,204项（67.3%）带有非 NONE 的设盲代码——DOUBLE 28,926（23.1%）、QUADRUPLE 28,366（22.7%）、TRIPLE 15,352（12.3%）、SINGLE 11,560（9.2%）[6]。该枚举值可以提示包装与紧急破盲方面的问题；但它无法确立物理设盲方法、药盒设计或破盲代码访问工作流程。

本文是一份配置实操底稿，而非泛谈“复杂度正在上升”的文章。它衡量了注册库标记，使其缺失情况清晰可见，并展示了如何将其转化为针对特定研究的需求，而不会假定公开字段能够揭示供应设计。相关的EClinCloud深度研究涵盖了方案复杂度与建库工作负荷（2026年8月30日）以及跨注册库临床试验身份识别（2026年8月24日）。

一份随机化表并不等同于一个供应问题

核心要点： 随机化将受试者分配至各个试验组；供应管理则负责将药盒在各个国家、仓库与访视之间流转。注册库存储了第一个问题的设计摘要，而对第二个问题几乎只字未提——其根本的单位错误就在于将二者混为一谈。

首先来看注册库自身的定义，因为这些词汇常被宽泛地使用。ClinicalTrials.gov将分配定义为“用于将受试者分配至临床研究某一试验组的方法”，类型包括随机与非随机。试验组是指“根据临床试验方案，接受特定干预/治疗或不接受干预的临床试验受试者群体或亚群”。设盲是指“一种临床试验设计策略，其中参与试验的一个或多个相关方……不知道哪些受试者被分配了哪些干预措施”，其角色——受试者、医护人员、研究者、结局评估者——按具体研究选定。入组人数是指受试者的数量，按目标人数预估 [4]。

这些定义中的每一项所描述的都是设计本身。其中没有一项涉及仓库、药盒标签、再供应触发机制或进口许可证。这一脱节之处正是本文探讨的主题。

连接这两个世界的是ICH E6(R3)中的一条条款，该GCP指导原则由ICH于2025年1月6日采纳，自2025年7月23日起在欧盟适用，其附录2将于2027年1月15日生效 [1][2]。在试验用药品管理项下，清点、处理、分发、给药和退回的职责“由研究者/机构承担”——但申办方“可对试验用药品管理的相关方面提供协助（例如，通过提供表格和技术解决方案，如计算机化系统，以及安排向试验受试者分发试验用药品）”[1]。这句括号中的补充说明正是所有RTSM/IRT系统的监管依据源头：它是申办方将正确的设盲药盒送达正确受试者的技术解决方案。FDA于2025年9月将E6(R3)采纳为行业指南，因此同一文本现在成为两大地区的共同依据 [3]。

记录保存职责也归入同一章节：试验用药品记录应包括“日期、数量、批号/序列号、失效日期……以及分配给试验用药品和试验受试者的唯一编码”[1]。从供应管理的角度重新审视这份清单：日期和数量对应的是库存；批号和序列号对应的是放行与召回；失效日期对应的是效期管理；将药品与受试者相关联的唯一编码则是随机化交叉参照。GCP中的一句话，悄然列举了试验供应系统的对象模型：

作为数据模型解读的ICH E6(R3)第2.10.4节——EClinCloud分析 [1]。

当这些对象不再仅仅是一份日志，而是演变为一个控制闭环时，供应控制问题便应运而生：受试者下一次领取的药盒取决于其试验组、访视节点、所在国家以及剩余效期——且所有决定均由系统在设盲状态下跨国界做出。这正是本文所要衡量的核心差异。

因此，在引用任何数字之前必须给出数据粒度警示：ClinicalTrials.gov记录是一份方案摘要，而非配置文件 [4][5]。它揭示了设计的整体形态——而设计的形态恰恰能够预示供应到底只是一项单独的支出明细，还是一个独立的子系统。这就是为什么本文能够基于注册库数据来回答配置问题，而绝不妄称注册库本身直接呈现了配置。

四大倍增因子及其真实分布

核心要点： 注册设计组数、报告国家数、设盲和入组人数是有用的复杂度标记。它们并非直接的供应对象：设计组不等于药盒，国家不等于仓库或语言，入组人数不等于实际需求，而设盲枚举值也不等于具体的设盲规范。

ICH E8(R1)提供了分析框架：质量源于设计意味着“通过主动将质量设计融入研究方案与流程中来推动研究的质量”，并采取“与相关风险相称”的方法 [7]。供应配置就是一个教科书式的案例：流程应当与倍增负荷相适应，而倍增负荷在研究开始前便是可衡量的。

在采用随机化分配的125,076项干预性药物研究中 [5][6]：

注册设计组数。 中位数 2，p75 = 3，p90 = 4，p99 = 9，最大值 63，均值 2.47。17,414项研究（13.9%）包含四个或更多组别，而8,024项未记录任何组别。设计组数量可以提示分配的复杂度，但它并不是药盒类型的下限：若干个组别可能共用供应品，而单个组别可能需要多种规格、访视药包或滴定套件。

报告国家数量。 中位数 1，p75 = 1，p90 = 3，p99 = 23，最大值 57；在分布中将缺失值保留为零时，均值为 2.02。93,953项研究（75.1%）恰好报告了一个国家，10,788项（8.6%）报告了五个或更多国家，而12,604项未报告任何国家。国家既不等于研究中心，也不等于仓库、进口途径或语言；它只是一个提示，提醒人们根据方案和物流计划去分别构建这些独立的矩阵。

设盲。 NONE 40,123（32.1%）；DOUBLE 28,926（23.1%）；QUADRUPLE 28,366（22.7%）；TRIPLE 15,352（12.3%）；SINGLE 11,560（9.2%）；749条为空白。该队列中有三分之二在注册时标明了某种程度的设盲。这一基线比例足以支持对不可区分性、破盲代码访问以及紧急破盲等问题的探讨；然而仅凭标签本身无法回答其中的任何一个问题。

入组。 2/3 期子集（n = 66,085）：中位数 120，p75 = 300，p90 = 616，p99 = 3,154，最大值 357,716。入组人数是将所有其他乘数转化为具体数量的乘数：组数 × 访视次数 × 受试者数构成了药包需求矩阵，而超量备用也是基于此进行定价测算的。

解读这些分布有两条规则。第一，引用百分位数而非均值：试验组数的均值（2.47）和国家数的均值（2.02）远高于它们的中位数，因为长尾拉高了均值——按照均值设定规模的供应计划几乎无法服务任何人，而按照中位数设定规模的供应计划则会在每十项研究中遭遇一次意外。第二，p99 是规划边界，而非奇闻轶事：1,250 项研究在 23 个或更多国家开展，且大约有 1,250 项拥有 9 个或更多试验组——这些是今年正在发生的真实采购沟通，而非理论上的最大值。最大值（63 个试验组、57 个国家）正是迫使随机化系统与包装设计稿系统共享同一个事实来源的实体对象。

给在场采购人员的第三条规则：将均值视为市场现状陈述，绝不能视作研究计划。所有随机化药物试验中 2.02 个国家的均值描述的是整个试验总体，其中单一国家占绝大多数的主体主导了分母；它并不能反映任何申办方项目组合的实际情况，因为后期临床项目恰恰集中在拉高均值的长尾部分。当供应商评估系统规模、CRO 为业务线报价或平台团队规划产能时，总体均值是客观真实的基础比率；而当研究团队配置试验方案时，该研究自有的三个字段才是唯一重要的数字。将这两种解读区分开来——面向市场的基准发生率与面向试验方案的自有字段——正是防止此类分布分析在任何一个方向上被误引的关键。

这些标记可能会同时出现，但它们对运营层面的实际影响因具体研究而异。一条两组、单一国家、开放标签的记录，仍可能涉及众多研究中心、频繁的访视、较短的效期、温控供应以及多种剂量规格。一条四组、七个国家、双盲的记录固然值得进行更深入的评估，但它并未告诉我们实际存在多少药包、标签版本、进口路径或药库。因此，这些分段区间是一份分选图谱：

ClinicalTrials.gov / AACT，随机化药物干预性研究，n = 125,076——EClinCloud 分析，检索于 2026 年 8 月 [5][6]。

应将该表格视为项目组合筛选图谱，而非工作量或采购图谱。最大的单元格提供了基准发生率；多组和多国家的单元格则证明有必要调阅试验方案、药房手册和供应计划。在 2/3 期药物研究中，报告国家数的中位数为 1，p90 为 8，p99 为 27 [6]，这使得早期的跨境审查尤为具有价值，但并不意味着每项后期研究都采用相同的供应架构。

相对简单的半数——及其仍需满足的要求

核心要点： 62,979 项研究（占该队列的 50.4%）具有两个注册设计组和一个报告国家。这属于较低复杂度的注册标记，而非表明随机化加手工清点记录即已足够的证据。下方的方案级筛查将判定这种表面上的简单是否属实。

较低标记的队列值得单独列为一节，因为公开字段可能会掩盖运营层面的复杂性。在选择轻量级配置之前，至少应确认：中心及药房数量；访视与给药时间表；物理规格数量；效期与复检策略；温度条件；入组不确定性；运输前置时间；药库拓扑结构；直达患者或家庭医疗流程；进口/放行要求；设盲方法；紧急破盲路径；以及缺货造成的后果。只有在完成上述评估后，团队才能判定采用手工控制、不带自动供应功能的 IRT，还是集成的 RTSM 控制闭环更为适度合理。

中心层面的药物清点。 研究者对试验用药品的清点、保管处理、调配分发及退回承担责任 [1]；美国试验用药物法规要求保留处置记录——包括日期、数量和使用情况 [8]。受控记录日志是否充足，取决于业务量、地点数量、对账延迟、系统集成情况以及差错后果；注册库并不能回答这些问题。

分发拓扑结构。 一个报告国家并不意味着一个药库、一条进口路径或一个储存地点。一项国内研究可能设有中心药房和本地药房、直达中心或直达患者的运输通道、多个放行点以及大量温控运输批次。供应计划必须明确由谁来确认接收、核对结存、评估温度超标、批准隔离/放行以及管控退回或销毁。无论拓扑结构如何，E6(R3) 中关于可追溯性的规定均同样适用 [1]。

效期管理规范要求团队对访视窗口、批次效期、放行时机以及最后一名受试者的预期给药周期进行建模。仅在需求和补货保持稳定的情况下，一份单页核对清单才可能足够；否则，需要进行情景预测和异常控制。

设盲控制（若设盲）。 在该队列中，62,979 项研究中有 40,940 项（65.0%）带有除 NONE 以外的设盲代码 [6]。物理包装规格可能与设计组存在或不存在一对一的对应关系，但研究仍需要在适用时提供有据可查的外观无法区分控制，以及针对特定受试者的紧急破盲路径。是试验方案、药房手册和包装规范——而非枚举值——界定了这些控制措施。

经过测试的破盲路径。 E6(R3) §3.15.3 要求，对于盲法试验，必须建立一套程序和机制，以便在医疗紧急情况下快速识别受试者层面的药物分配，同时保护其他受试者的设盲状态；§2.11 补充要求随时准备好进行破盲而无不当延误 [1]。该机制可以是物理信封或电子系统，但其访问权限、可用性、测试、升级机制以及文件记录必须与研究的风险水平相匹配。

规划中的常见错误是将低注册标记视为零工作量。药物清点、标签设计、效期管理、异常处理和紧急破盲仍需明确的控制措施和指定的负责人。

对于真正属于低复杂度的研究，一份简明的供应控制计划可能是适度的。但它仍应记录：规格与数量；分发路径与接收；清点负责人与对账时间节点；效期与温度偏差处理；设盲控制（若适用）；以及紧急破盲程序。得出“这些措施已足够”的结论必须源自针对该研究的具体风险评估，而不是仅仅因为其归属于占 50.4% 的注册库单元格。

一个代表性的高复杂度标记队列

核心结论： 双盲 × ≥3 个注册设计组 × ≥2 个报告国家筛选出了 1,786 项研究——占整个队列的 1.4%，且其中 96.5% 为企业申办。这是一个有价值的高优先级审查队列，而非经过验证、全部需要相同供应控制模式的研究总体。

我们之所以采用这一联合条件，是因为它收集了具有若干合理复杂度信号的记录：设盲、多个设计组以及跨国执行。该定义特意采用了示例性说明。它并未针对缺货、浪费、效期损耗、方案偏离或实际 RTSM 配置进行模型训练——因为这些数据在注册库中均不可获取。

ClinicalTrials.gov / AACT——EClinCloud 分析，检索于 2026 年 8 月 [5][6]。

在观察到的字段上，其特征显然更为复杂：中位数为四个组、七个报告国家，入组人数为 267。但这些都无法机械地转化为药包数量、标签数量、仓库数量或人工操作的失效阈值。它提示了审查人员应在何处索取剂量/访视矩阵、国家启动计划、包装策略、仓库与进口路线、效期假设、入组预测以及再补货服务水平。

期别构成：786 项 2 期，668 项 3 期，178 项 1 期，60 项 2/3 期，50 项 1/2 期，41 项 4 期。这偏重于后期阶段，但并非后期阶段独有——该队列中已包含 228 项 1 期或 1/2 期研究，这回答了运营团队反复提出的一个问题：是的，某些首次人体试验设计确实需要供应治理，因为带有设盲对照药的多部分剂量递增设计在较小规模下会产生与 3 期相同的药包矩阵。

申办属性为描述性特征：1,723/1,786（96.5%）属于行业申办。它并未显示这些申办方使用了何种系统、竞争对手将何种方案视为标准，亦未显示 RTSM 市场的规模。其实际启示更为聚焦：对于以行业申办为主的审查队列，应结合申办方的运营模式、项目组合复用、系统集成以及验证负担进行评估——而不仅仅是单项研究的许可成本。

在采购方面，仅应使用该队列来确定证据收集的优先级。要求提供能够将每项控制需求追溯到具体研究事实的架构；对缺乏明确失效模式的功能提出质疑；并测试人工控制、基于服务的控制或自动化控制能否满足所需的响应时间。行业申办背景与中位入组人数并不能替代这种需求追溯性。

一个有益的边界警示：1,786 并不是悬崖效应的临界点、评分阈值或因果类别。一项两组、十二个国家的疫苗试验所要求的物流控制，可能超过由一个稳定区域供应链提供支持的四组研究；而一项单国滴定试验所拥有的剂型规格可能比其分组数量所暗示的还要多。边界案例揭示了为何源自注册库的分级绝不能演变成采购规则。

边界案例值得进行明确审查。一项两组、十二个国家的双盲疫苗试验虽然处于标记队列之外，但可能在进口、包装、季节性入组和紧急揭盲控制方面有着严苛的要求。一项六组、单一国家的剂量探索研究可能拥有庞大的规格矩阵，却无需跨境物流。两者都无法仅凭注册库中的单行记录完成配置；二者均应遵循下文的方案层级决策记录来进行评估。

为何各项乘数具有约束力

核心要点： 每个注册库标记都会开启一条具体的审查路径。国家数量提示进行物流与标签审查；设计组提示制定规格与访视矩阵；盲法提示进行物理设盲与代码治理审查；入组情况提示评估需求与产能场景。相关义务取决于经核实的研究事实，而非标记本身。

国家提示物流与法律审查。 欧盟法规明确了标签语言问题：根据 Regulation (EU) No 536/2014，标签信息的语言“应由相关成员国确定”，同时允许使用多语言标签（第 69 条），且 Annex VI 列举了具体载明事项 [9]。因此，一项涉及七个欧盟国家的试验需要七个成员国的决定——但不一定需要七种语言或七次包装生产。在欧盟之外，必须确认特定路线的进口、放行与分发要求。第 51(1) 条规定了通用的追溯义务：试验用药品必须可追溯，并妥善储存、退回或销毁 [9]。

每条已确认的路线也都有时间约束：进口许可、放行、隔离检疫、运输和中心接收都可能制约物资的可用性。必须按路线梳理提前期与责任主体。一项涉及十九个国家的研究是评估集中可视化与自动化控制的充分理由，但单凭国家数量并不能证明路线的数量或所需系统。

仓库拓扑结构会改变提前期、清关/放行事件、缓冲库存配置、调拨治理及对账盘点。备选设计包括中心库、区域库和国家药房模式，但没有任何基于国家数量的规则可以直接决定采用哪种模式。应利用已确认的路线、入组节奏、产品温度/稳定性、服务水平、成本及恢复场景对各种拓扑结构进行比较，并在国家启动情况发生变化时重新审视该选择 [9]。

设计组提示规格与访视矩阵。 分组是受试者分配类别，而非药包。各组可以共用剂型规格，而单一组可能需要若干种剂量规格、滴定步骤、救援药物或特定访视包装。运营输入是一个多维矩阵：治疗组 × 访视 × 剂量/规格 × 剂型规格 × 国家可及性 × 效期。注册库中的计数有助于确定该工作的优先级；但它既不会以一致的方式低估药包类型，也不会构成药包类型的下限。

规格矩阵是随机化与供应可能需要相耦合的地方。如果只有在发药地点具备合格的规格时才能执行分配，那么分配逻辑与实时库存之间就需要一个受控接口。这究竟需要一个一体化系统、经过验证的接口，还是严格治理的服务模式，取决于响应时间、异常数量和验证要求。

盲法提示包装与代码治理审查。 当试验用药品本身设盲时，Annex VI 要求在两类包装上均标明适用的对照药/安慰剂名称，且第 2(2)(24) 条将包装和贴签内的设盲纳入生产操作范畴 [9]。其他盲法设计——例如独立结局评估员——可能更多依赖于角色分离和访问控制。因此，方案角色与实际产品剂型规格决定了物理层面的解决方案。E6(R3) 要求进行能够保护盲态的编码/贴签，并制定针对不当揭盲与紧急揭盲的处理流程 [1]。FDA 的电子系统指导原则涵盖了随机化、药品发放/清点管理以及用于揭盲的稽查轨迹信息 [10]。EMA 计算机化系统指导原则将 IRT 置于受控电子系统的监管预期之内 [11]。

入组提示需求、加量与效期场景。 入组预测会影响生产加量、中心/仓库缓冲库存及补货。Peterson 及其同事在 2004 年开展的模拟研究对比了计算机控制的供应管理与传统预测，发现在其模拟场景下，能以更低的加量实现更优的模型需求覆盖 [12]。这一结果支持对响应式逻辑进行测试；但并不能证明每种方案或每个供应商都能实现节约。效期、批次放行和路线提前期可能会逆转首选模式。E6(R3) 将有效期和批次信息纳入了规定的产品记录中 [1]。一项 2026 年的失效模式分析识别出了 44 种试验用药品管理失效模式，在该环境下有 31 种被归类为高风险 [13]。应利用申办方自有的场景和实测运行数据来选择控制措施。

自动化层具备证据基础。 中心端界面的研究工作发现，在一个受调查的环境中，相比于电话 IVR，人们强烈偏好网页端 [14]；而系统集成的相关论文则探讨了随机化系统与 EDC 之间的衔接缝隙 [15]。在包含 101,685 条记录的 eClinical 文献全集中，有 479 条记录与固定的临床试验供应/IRT 检索词匹配，在整个 2020 年代每年有 34–57 条匹配记录 [16]。该计数只是一种检索辅助手段——并非市场规模估算、采纳度衡量指标，亦非对 1.4% 示例性标记队列的验证。

欧盟对比：描述性的跨注册库信号

核心要点： 与此 ClinicalTrials.gov 队列相比，公开的 CTIS 记录更集中于多国试验。不同的司法管辖区、纳入规则、呈交系统和研究人群使得无法对其进行因果解读。应利用这种对比来优先推进欧盟/欧洲经济区（EU/EEA）早期的国家规划，而不是直接假设每项试验都需要跨国架构。

在临床试验信息系统（Clinical Trials Information System，2026 年七月 30 日快照）收录的 12,123 项公开试验中：每项试验的国家数中位数为 1，平均值为 3.18，p75 = 4，p90 = 8，p99 = 16，最大值为 25。5,336 项试验（44.0%）在两个或更多国家开展；2,873 项（23.7%）在五个或更多国家开展 [17]。

与 ClinicalTrials.gov 队列（中位数 1，p75 1，p90 3）相比，CTIS 具有相同的中位数，但上百分位数更高。这些数据并未将单一申请程序的影响与管辖区、过渡历史、公开可用性规则、申办方构成或试验类型分离开来，因此不支持做出任何因果断言。

在操作层面的推论是一份规划核对清单，而非固定的架构。对于每个涉及的成员国，需确认其接受的标签语言、附录 VI 载明事项、放行/进口路径、分发模式及启动时机。多语言标签或共享仓库可能会整合工作；而特定国家的要求则可能导致工作分散。已获批的国家策略与供应设计必须在历次修订中始终保持同步。

欧盟还设有不同的标签路径。当试验方案情况有需要时，已获批的 IMP 可采用附带额外试验载明事项的商业标签路径。第 66 条和第 67 条不适用于诊断性放射性药物 IMP/辅助药品，但第 68 条仍要求进行适当贴签，以确保受试者安全和数据可靠性 [9]。每种路径都是针对具体方案和具体产品的判定，可能会改变包装工作量。

在欧盟框架下，可追溯性义务也进一步收紧：第 51(1) 条规定的“视情况予以储存、退回和/或销毁”通过 CTR 的 GCP 机制下的成员国检查得以严格执行，并且 2023 年 EMA 计算机化系统指南将用于追踪此项工作的 IRT 纳入了监管范围 [9][11]。

配置框架：三个审查级别，进而做出控制决策

核心要点： 注册库字段仅用于将研究归入审查队列，而非直接划分系统层级。随后由团队核实方案与供应实际情况，明确失效模式，并选择能够满足所需响应时间和可追溯性要求的负担最小的控制措施。

下述框架将数据分布转化为可在周一早晨执行的快速分类分诊，同时避免虚假精度。注册库中的高风险标记会提高审查优先级；但并不强制要求使用软件。低风险标记允许进行更轻度的初步审查；但并不等于预先批准使用电子表格。

62,979 条较低标记记录与 1,786 条高标记记录仅用于校准审查优先级。我们未公布中间人群计数，因为重叠的标记、缺失的字段以及方案变量阻碍了通过相减法得出有效的层级估算 [5][6]。

三条解读规则确保该框架客观严谨。

规则 1：没有任何条件组合能直接决定解决方案。 针对 1,786 项研究的定义识别的是同时出现的公开标记，而非经过结局验证的类别。单一严苛的限制条件——例如超短效期或不可弥补的季节性入组窗口——即便在缺少其他标记的情况下，也足以证明采用集成控制的合理性。

规则 2：设盲要求需结合方案与包装策略解读。 注册库角色仅标明了预期的设盲对象 [4]；它们并未具体规定物理外观不可区分性、设盲代码保管人、系统权限或紧急工作流程。这些要求必须单独追踪。

规则 3：需求可改变架构。 入组规模、入组速率的不确定性、访视安排、剂量调整、效期以及补货时间，共同决定了定期人工预测是否依然安全。大型单国研究可能需要自动化；而小型跨国研究则可采用受到严格监管的基于服务的控制措施。

三个实际案例展示了该框架的决策过程。

案例 1。 一项肿瘤学领域的两组、单国、开放标签 2 期临床试验，共 80 名受试者。从 A 级开始。若方案确认了单一稳定的制剂规格、可预测的访视、充足的效期、简单的分发路径以及可恢复的异常情况，则形成书面记录的人工或服务控制可能是适度的。仅凭注册库信息无法得出该结论。

案例 2。 一项在九个国家开展的两组、双盲疫苗有效性试验，共 4,000 名受试者。从 B 级开始，并评估向 C 级的升级。确认成员国的语言裁定、仓库/进口路径、季节性恢复时间、物理设盲及紧急破盲路径。在核实这些事实之前，不要预先假定需要九种语言、区域仓库或认为无需药包矩阵功能。

案例 3。 一项在十二个国家开展的四组、双盲、伴有剂量滴定的 3 期试验，共 1,040 名受试者。这理应进行 C 级审查，而非自动采购产品。构建实际的制剂规格/访视矩阵、路径与标签矩阵、需求情景、异常恢复目标、权限及集成要求；随后将经过验证的 RTSM 架构与任何拟议的基于服务的替代方案进行比较。

案例 4 —— 运营模式案例。 一家学术协作组织在某个小众适应症中开展了一项三组、双盲、六个国家的临床试验，共 180 名受试者。这些标记支持开展集成控制审查，但决策结果可能是一个 CRO IRT、网络平台，或是一个审慎界定范围的服务模式。申办方类型并不会改变 GCP 责任；它改变的是可用的基础设施、验证能力及监管安排 [1]。

该框架刻意未予指明的是应当购买哪家供应商、产品或模块。基于访视的预测可以是一项平台功能、CRO 服务或受控流程。预算决策应当对照书面记录的需求、故障恢复时间、可审计性、验证、系统集成以及生命周期成本来对比这些运营模式——而非依据注册库的某个阈值。

供应控制决策记录

当该框架产出一份获得批准的决策记录时，它便发挥出实际作用。该记录应始于证据，而非某种偏好的产品：方案版本；随机化设计与设盲角色；按访视和剂量划分的物理制剂规格；规划的中心与发药地点；国家启动顺序；生产批次、放行日期及效期；储存条件；运输路线与交付周期；入组情景；脱落和替换假设；以及紧急破盲要求。每项输入都需要有源文件、责任人、生效日期和置信度级别。“国家数量 = 7”属于薄弱输入；而“波兰各中心由仓库 X 提供服务，由角色 Y 放行，在当前进口路径下拥有 Z 天的补货周期”才是一项切实可用的输入。

接下来，以操作层面的语言撰写失效模式。示例包括：受试者在计划访视时无法获得合格的制剂规格；货件在可接受的给药窗口之后送达；临期批次滞留在错误的地点；补货规则暴露了治疗分配方案；紧急用户无法获取破盲代码；在新国家的标签与放行状态保持一致之前便将其启动；或者 EDC–RTSM 接口重复发送或遗漏了访视事件。对于每项失效，记录其严重程度、可检测性、恢复时间，以及人工干预仍能保护受试者与方案的最晚时点。这便将“复杂性”转化为了控制要求。

随后比较各运营模式。人工或基于服务的模式应当证明其业务处理量、审查频次、职责分离、版本控制、对账延迟、节假日/非工作时间覆盖以及异常升级机制。可配置的 RTSM 模式应当证明具备相同的控制措施，外加角色权限、审计追踪、补货逻辑、集成表现、验证以及受控变更。这种对比并非“软件对比无软件”；而是各拟议模式是否能够满足相同的书面服务和证据要求。

审批页面可以保持精简：

供应商尽职调查与验收测试

功能清单并不是充分的证据。应将已获批的记录转化为场景演示和验收测试。要求供应商或服务团队执行以下场景：延迟的国家启动、单个中心库存受限、隔离批次、有效期顺延、针对特定受试者的紧急揭盲、药包替换、接口消息失败、访视修正以及仓库停摆。观察哪些角色能够执行操作、盲态下会暴露何种信息、是否阻止了重复事务、生成了何种警报、留存了哪些稽查证据，以及如何进行核对。

对预测能力的宣称同样需要保持这种严谨性。应当要求提供模型的输入参数、更新时机、安全库存逻辑、对缺失/逾期访视的处理、应对招募突变的方法以及人工干预的规则。将输出结果与申办方设定的场景进行比对，包括入组过慢的下行情景、入组过快的上行情景、中心集中度过高、批次放行延迟以及运输路线中断。如果模型增加了断货风险，或是假定了物流计划无法实现的交付周期，那么模拟得出的较低超额备量就不是真正的获益。Peterson 的模拟文献表明，在建模设定下响应式控制可以优于静态规划，但这并不意味着任何供应商的算法在本次研究中都能达到同样效果 [12]。

最后，必须测试生命周期控制。方案修订、新增国家或组别、新包装批次、有效期更新以及集成发布，均可能改变分配或供应行为。验收交付资料应体现需求可追溯性、配置审查、测试证据、迁移/核对、培训、部署批准和回滚机制。FDA 与 EMA 的电子系统指导原则使电子完整性与受控运行适用于该领域的系统 [10][11]；研究团队仍须确定哪些变更是关键性的，以及何种程度的回归证据是相称适度的。

尽职调查的产出应当是一份列明遗留风险且经签署的适用性决策——而非脱离试验方案的供应商评分。该决策应始终与供应控制记录保持关联，以便方案修订能够自动重新激活受影响的需求与测试。

系统切换、核对与服务验收

系统即便通过了配置测试，在业务切换上线时仍可能失败。上线决策应围绕完整的业务循环而非单纯的界面来构建。应通过获批的来源创建测试受试者，在所有适用的分层和区组条件下进行随机化，发放每种符合条件的剂型规格，处理漏访/重新安排的访视，替换或隔离供应物资，接收并核对发运货物，在允许的情况下更新有效期，在受控角色下执行紧急揭盲，并闭环完成药品清点。同时应纳入反向测试：不合格受试者、耗尽的分层、不可用药包、重复消息、陈旧的接口事件以及未授权用户。

在各个权威系统之间对每个业务周期进行核对。随机化列表/技术规范、RTSM 事务、EDC 受试者/访视事件、仓库库存、发运记录以及清点记录，在标识符、状态、时间戳和版本上均应保持一致。明确哪个系统对受试者状态、访视资格、库存处置、有效期和揭盲具有权威性；随后明确在发生冲突时是阻断流程还是继续执行。缺乏幂等性而在后台静默重试的系统集成可能会导致重复访视或分配，而在非工作时间缺乏应急途径且直接发生故障闭锁的集成则可能延误治疗。这两种行为都需要明确的验收标准。

运营就绪需要人员与时间机制的保障。确认指定专人的 24/7 或与方案相匹配的支持覆盖、严重程度定义、响应与恢复目标、国家/中心层级的升级机制、受盲态保护的排障以及申办方可见性。在实施团队的工作时间之外测试一次真实的升级流程。针对每个关键场景，完整留存工单、角色/操作、时间戳、稽查轨迹、核对记录以及关闭批准。服务级别条款的表述唯有在其计量始于某个可观察的事件，且补救措施切实保护了受试者与临床试验时才具有实际价值——而绝非仅仅体现在供应商回复确认了一封电子邮件。

在系统上线前，在仓库和研究中心建立库存基线，并对所有导入/迁移的受试者、分配、药包、批次、效期和状态进行核对。迁移抽样应基于风险开展，并辅以控制总数和异常报告；单纯的行数统计无法体现发生偏移的治疗分配或无效的药包状态。在指定的时间节点冻结原有的事务处理，记录所有双轨运行规则，批准系统切换，并保留一条不会泄露盲态的回滚或应急路径。

上线后审查应重点关注运营模式是否符合决策记录的要求。有价值的衡量指标包括：已核对的随机化/发药数、断货与险兆事件、超出目标的发运、隔离中或临近效期的库存、人工干预、失败/重发的接口消息、按授权原因分类的揭盲事件、未解决的高严重度事件，以及附带完整回归证据的配置变更。分母与时效至关重要：在脱离了事务总量和关闭状态的情况下，“五条警报”是无法解读的。

切勿将断货次数少等同于供应高效。某种设计可能通过过量的超额备货来抑制断货，也可能在减少超额备货的同时导致恢复机制变得脆弱。应综合评估服务、浪费与风险：在访视窗口期内完成服务的受试者访视、通过已验证路线/交付周期实现的可恢复库存覆盖、过期/销毁、紧急调拨、发运成本、中心负担以及异常处理工时。各项定义应以申办方的计划为准；公开注册库数据无法提供上述任何结局指标 [5]。

最后，在入组初期之后、大规模扩展之前安排一次控制审查。将实际入组、脱落、访视时间节点、需求、交付周期、放行日期和损耗与已获批的场景进行比对。当原有假设不再成立时，通过受控的审批流程重新预测并变更规则。增加国家、组别、剂量规格或访视；更改效期、仓库发运路线、随机化或系统集成；以及更换供应商，都会重新开启受影响的需求。这一审查有助于防范生命周期中最常见的错误：将首例受试者入组前批准的配置，视为对处于持续变更中的试验方案永久正确的配置。

同样的审查还应当测试人工变通方案。提取人工干预、紧急发运、库存调整、强制分配、支持团队介入以及核对记录；对风险最高的事务进行抽样，倒查至审批与稽查证据。变通方案在短期中断期间或许是相称适度的，但重复使用可能意味着配置规则、路线假设或服务能力存在错误。为每项临时控制措施明确负责人和有效期限，随后通过变更控制来核实其已被移除或已正式纳入规范。

在试验收尾时，针对批次和分配记录对未使用、退回、隔离、销毁及丢失的供应品进行核对；关闭未解决的接口与揭盲异常；在受控访问权限下归档随机化技术规范/列表；并留存充足的配置与稽查证据以复现受试者层面的决策。使用申办方定义的指标记录预测与实际入组、发运、断货、过期以及人工投入的对比情况。这些研究结局——而非公开注册库中的标记——才是能够为下一个试验方案优化假设的证据。

对比生命周期成本，切勿虚构 ROI

针对相同的需求和场景对各类运营模式进行成本核算。明确区分实施/配置；验证与申办方验收；许可或事务/中心费用；系统集成；仓库/中心/物流作业；技术支持；变更单；培训；核对；收尾与归档。对于人工模式或服务模式，应计入申办方/CRO 的人力投入、职责分离审查、非工作时间覆盖、差错调查以及维护受控电子表格或列表的工作量。切不可在为软件核算成本的同时，将人工控制视作免费。

将成本动因建模为与试验方案实际情况相挂钩的区间范围。相关数量包括受试者、访视与随机化数量；中心/发药地点；国家/路线/仓库；剂型规格与批次；发运次数；用户/角色；系统集成；方案修订；支持窗口期以及试验周期。然后改变入组速率、国家启动、效期、批次放行和运输线路中断等变量。注册库的分布数据可以显示这些输入参数差异巨大，但它们无法提供供应商价格、工时、断货概率或预期损耗 [5][6]。

综合评估经济与质量结局。候选衡量指标包括：生产和放行的产品总量；发运、过期、调拨和销毁的单位数量；发运与加急发运次数；在方案规定窗口期内完成服务的受试者访视数；断货/险兆事件；人工事务与核对；配置变更；关键事件；以及申办方/供应商的人力投入。前瞻性地定义每项指标并保留分母。较低的药品超额备量若导致加急货运、漏用药或无法弥补的运营负担增加，就不能算作节约。

通过三种视角使决策清晰透明。基准情景采用已获批的假设。压力情景测试快速/缓慢入组、延迟放行、较短效期、向少数中心集中以及路线中断。盈亏平衡视角可识别出哪项输入变量——事务量、变更频率、产品价值、交付周期或人力投入——会改变首选的运营模式。除非申办方针对两种备选方案均拥有可审计的价格和绩效数据，否则切勿公布百分比形式的 ROI。

合同结构应遵循风险分担原则。明确初始构建、修订、集成、环境、验证证据、非工作时间支持、数据导出、迁移与收尾中包含的具体内容；哪些事件会触发费用；服务抵扣或补救措施；以及过渡协助如何定价。要求配置、事务/审计历史、随机化证据和库存状态具备可导出性。如果每一次方案变更都是一份不透明的变更单，或者退出需要重建证据链，表面上低廉的模式可能会变得极其昂贵。

注册库字段无法告诉你的信息

核心要点： 注册库字段用于标识队列；它们并不能描述供应系统。药库数量、补货频次、超量率以及揭盲日志设计均不可见，并且本文中的任何内容均不能作为依据注册库数据对任何临床试验运营质量作出断言的依据。

本项分析的边界即是注册库的边界，这一点必须直截了当地说明。

注册库中的试验臂数量反映的是设计组别，而非药盒类型。一项包含三个剂量水平的两臂研究，其运行的药盒类型数量要多于采用共用包装的四臂研究。注册库无法看到剂量变异、滴定步骤或析因分拆运行；试验臂数量是下限，而非上限。

国家数量并不等同于药库数量、中心数量或进口路径。注册库列出的是开展临床试验的国家，而非物资如何送达这些国家——中央药房模式还是直达中心模式，一个 EU 药库还是三个区域药库，以及哪些国家采用跨境供应。

盲态枚举值既不是 AACT 提取表单中的设盲角色列表，更不是方案实际的设盲架构。两项同样被编码为 DOUBLE 的研究，在评估者是否设盲、供应物资在重量和质地上是否完全一致，以及紧急揭盲是依靠信封还是系统权限控制方面，都可能存在差异。角色列表存在于注册库记录中；我们提取的数据是在枚举粒度上运作的，而本文也是特意在该粒度上进行引用的。

最根本的是：该数据集中的任何内容都无法衡量某项临床试验的物资供应实际执行表现如何。所分析的公开记录中不存在断货、效期损耗、超量百分比或揭盲事件等字段。高标记研究可能具备无可挑剔的控制措施，也可能控制得很差；低标记研究仍可能伴有严重的产品或分发风险。注册库侧重于提出问题，却绝不对实际应对进行认证。

能够弥合这一差距的是方案级和药库级数据——即存在于 TMF 参考手册、IP 生产文档和供应商审计报告中的层级，这些内容均不对外公开。对于一项具体的研究，有三份文件可以解答注册库无法解答的问题：药房手册（药库结构、补货触发条件、隔离路径）、IP 生产与包装计划（药盒架构、批次策略、设盲方法），以及随机化规范（分配逻辑、区组化、紧急揭盲设计）。想要将分级框架应用于实际方案的运营主管应当对照各级别的职责要求研读这三份文件——这才是预期的工作流程，而此处的注册库数据仅用于校准，并非最终定论。跨注册库试验身份识别论文（2026 年 8 月 24 日）梳理了关联公开注册库这一相邻问题；而其底层的供应层则完全没有任何公开镜像。

常见问题解答

何时仅靠随机化配置就足够了？

只有在方案层面的审查确认了稳定的剂型规格与需求、充足的效期、简单且可恢复的分发模式、相称的清点盘点工作量，以及在适用情况下经过测试的揭盲路径之后才足够。两个组别和一个报告国家只是一项初筛标记，而非充分的证据 [1][8]。

涉及多少个国家时才需要药库和补货逻辑？

不存在基于实证的国家数量阈值。增加第二个国家会触发新的司法管辖区审查，但共用的语言、药库和运输路线可能会合并工作量，而特定产品的进口或放行规定则可能会加剧工作复杂性。应根据已确认的路线矩阵、发运提前期、需求不确定性和恢复目标作出决策——而非根据 2、5 或 10 个国家 [9]。

是否每项设盲临床试验都需要完全一致的设盲包装？

不需要。供应物资及其编码/标签必须维护试验预期的设盲状态，但物理层面的解决方案取决于哪些人员被设盲以及产品之间有何不同。对受试者和研究者设盲的对照研究可能需要匹配包装、再胶囊化或双模拟对照；而仅对结局评估者设盲的研究则主要依赖角色分离和权限控制。在设计包装之前，请先研读方案中的角色设定和产品剂型规格 [1][9]。

紧急揭盲治理实际包含哪些要求？

核心在于三点：在医疗紧急情况下快速识别受试者层面的治疗分配、保护其他受试者的分配信息，以及确保电子揭盲信息具备适度的完整性/可审计性 [1][10]。应根据可用性、访问权限、上报流程及文档记录要求来选择和测试该机制；切勿单纯依据分级标签进行分配。

1 期研究需要 RTSM 吗？

试验分期并非触发条件。剂量递增、前哨给药、队列决策、多重规格、较短效期、设盲以及快速的配置变更，都可能在入组人数较少时产生大量的 RTSM 需求。示例性标记队列中的 178 项 1 期和 50 项 1/2 期记录表明，早期试验确实会出现在审查队列中；但这并不能证明其实际的供应配置。

EU 配置有所不同吗？

EU 规划必须确认成员国标签语言规定、Annex VI 具体要求以及适用的进口/放行/分发路径 [9]。CTIS 记录相比对照队列涉及更多多国试验 [17]，但这种跨注册库的差异仅是描述性的，并不能作为设定默认系统级别的依据。

相比 EDC，RTSM 系统具体负责哪些部分？

在常见的系统架构中，RTSM/IRT 负责处理随机化和物资供应事务，而 EDC 则负责采集临床数据。不同平台和运营模式的产品边界各不相同；应明确每个数据对象和事务的归属权，而不是依赖首字母缩略词。向供应逻辑提供受试者/访视数据输入形成了一个受控的系统集成界面 [15]。

RTSM、IRT、IVRS——这些是不同的系统吗？

这三个词代表了同一功能在不同重叠发展世代下的称谓。IVRS（交互式语音应答）指代 2000 年代的电话系统；IRT（交互式应答技术）增加了目前试验机构用户高度偏好的网页界面 [14]；RTSM（随机化与试验供应管理）则是当下的名称，终于确切表明了系统的功能——涵盖了本文所衡量的协同配合的两个方面。在采购文件中，这三者依然同时出现；更有效的做法是按具体职责要求（分配逻辑、库存控制、补货触发、揭盲治理）而非缩写词来作出具体规定，因为这些缩略词背负的是供应商的历史包袱，而非真正的功能边界。

一项研究在试验中期是否可能需要不同的控制措施？

是的。国家、组别、剂量、访视、入组、效期、包装或设盲的变更都可能会改变需求。应重新执行研究层面的风险评估，并将变更增量转化为受控的系统配置、验证、培训、库存以及上线推广工作。仅凭三个注册库字段重新推导系统级别是远远不够的。

我们应当如何评估生产超量备药规模？

公开的循证依据给出了指导方向，而非放之四海而皆准的百分比。模拟研究表明，在模型设定的情景中，响应式计算机控制供应的表现可以优于静态预测 [12]，而 FMEA 文献则梳理了各种失效模式 [13]。应针对具体研究进行模拟来确定超量规模，模拟中需纳入入组速率及其不确定性、随机化比例、访视安排、脱落率、效期、放行/发运提前期、最小包装单位、药库拓扑结构以及目标断货风险等参数。脱离了该模型计算出来的百分比纯属经验之谈。

方法学与局限性

核心要点： 所有数据均是基于两个公开注册库在特定快照时间点计算得出，其分母、筛选条件以及关联关系均记录于此——同时列明了约束这些结论的各项局限性。

数据。 ClinicalTrials.gov 研究记录，2026 年 7 月 25 日快照（595,630 项研究），筛选条件为干预类型（intervention-types）字段包含 DRUG 且分配方式（allocation）= RANDOMIZED 的干预性（INTERVENTIONAL）研究：n = 125,076 [5]。关联至 AACT 关系型副本、2026 年 8 月 1 日管道符分隔文件（designs、design_groups、countries 及计算值），以获取盲态枚举值、试验臂数量和国家行数据 [6]。CTIS 公开汇总记录，2026 年 7 月 30 日快照，12,123 项临床试验，国家数量来源于试验国家（trial-countries）列表 [17]。文献数量：Europe PMC 记录中 101,685 条记录的 eClinical 并集，2026 年 8 月 1 日，基于题目/摘要短语匹配 [16]。

计算方法。 组别数量为每项研究中已注册的不重复设计组数量。国家数量为未移除的国家行；因此数值为零的情况包含了 12,604 条未报告国家的记录。示例性标记队列定义为双盲 × ≥3 个组别 × ≥2 个报告国家。该队列未经实际供应配置或结局的验证。百分位数采用前述分母计算；修正后的区间分布表保留了缺失国家信息的单元格，而非将其合并至多国区间中。

局限性。 四项，超出局限性章节中所述的注册库边界：设盲提取数据处于枚举粒度（角色列表存在于注册记录中，但未纳入本次分析）；按干预类型进行的 DRUG 筛选会遗漏仅标记为 BIOLOGICAL 或其他类别的试验，即使其供应逻辑可能相似；CTIS 国家分布仅涵盖在固定提取数据中可见的公开试验与国家列表；而文献短语匹配是一种存在性度量，而非相关性分类。

本文并非什么。 不是供应商评估，不是合规审计测量工具，也不是关于任何试验或申办方的运营表现声明来源。注册库识别了设计面；针对它的运营应对则记录在本次分析未涉及的系统与文件中。

结论

核心结论： 三个公开字段可用于排定审查优先级；但它们无法测定供应机制的规模。该决策需要进行研究层面的溯源，从方案和产品事实追溯到失效模式、控制措施、责任人、响应时间及证据。

从本文中汲取的三个要点。

审查队列在周一早晨即可完成计算。 提取设盲、设计组和所报告的国家以对方案排定优先级。随后收集剂型规格/访视矩阵、配送路径、货架寿命、需求情景、设盲控制措施以及异常恢复目标。这第二步——而非公开队列——支持在 E8(R1) [7] 下作出相称的控制决策。

即使在标记较少的记录中，设盲依然重要。 队列的三分之二以及两组/单国单元格的 65% 都带有设盲代码。这证明了进行物理设盲和紧急访问审查的必要性，但枚举深度与国家数量都无法决定控制设计。

注册库发现的是疑问，绝非性能或产品需求。 使用标记进行分流分类；利用方案证据、模拟、验证和监督数据来进行决策与判定。当评估支持时，EClinCloud RTSM 与专业服务可以实施需求驱动的设计 [18][19]。注册库分析提供基础比率；而研究事实主导决策。

来源

1. 国际人用药品技术要求协调理事会，E6(R3) 药物临床试验质量管理规范，第 4 阶段最终指导原则, 于 2025 年一月 6 日采纳 — 相称性原则；§2.10.1 试验用药品管理与申办方的“计算机化系统”；§2.10.4 IP 记录；§3.15.2(a) 保护设盲的编码与标签；§3.15.3 紧急破盲；§2.11 无不当延误破盲。

2. 欧洲药品管理局，ICH E6 药物临床试验质量管理规范——科学指导原则 — 原则与附录 1 于 2025 年七月 23 日在欧盟生效；附录 2 将于 2027 年一月 15 日生效。

3. 美国食品药品监督管理局，E6(R3) 药物临床试验质量管理规范 (GCP)，企业指导原则, 2025 年九月 — FDA 采纳 ICH E6(R3)。

4. 美国国家医学图书馆，干预性与观察性研究方案注册数据元素定义 — 分配方式、试验组与试验组类型、设盲与设盲角色、干预模型、入组人数。

5. 美国国家医学图书馆，ClinicalTrials.gov — 可公开下载的研究记录。EClinCloud 对 2026 年七月 25 日快照的分析：595,630 条唯一 NCT 行经筛选得到 125,076 项采用随机化分配的干预性药物研究（研究类型、干预类型、分配方式、分期、申办方类别、入组人数），访问于 2026 年八月。

6. 临床试验转型倡议，AACT 数据库 — ClinicalTrials.gov 的公开关系型数据库副本。EClinCloud 对 2026 年八月 1 日管道符分隔文件（designs、design_groups、countries、计算值）与 2026 年七月 25 日研究文件的关联分析：设盲枚举值、试验组计数、未移除的国家行、分期与入组人数百分位数，访问于 2026 年八月。

7. 国际人用药品技术要求协调理事会，E8(R1) 临床研究的一般考虑，第 4 阶段最终指导原则, 于 2021 年十月 6 日采纳 — §3.1 质量源于设计，且与所涉及的风险相称。

8. 美国联邦法规，21 CFR 312.62(a) — 研究者记录保存与记录留存 — 试验用药品的研究者处置记录（日期、数量、使用情况）。

9. 欧盟，第 536/2014 号法规 (EU) 关于人用药品临床试验 — 第 X 章（第 66–70 条）标签；附录 VI 详细规定，包括设盲试验中的对照药命名及紧急破盲联系方式；第 2(2)(24) 条 将设盲视为生产；第 51(1) 条 可追溯性；第 69 条 成员国标签语言。

10. 美国食品药品监督管理局，临床研究中的电子系统、电子记录与电子签名：问答，企业指导原则, 2024 年十月 — 用于随机化及医药产品配发、给药与清点的电子系统；破盲信息的稽查轨迹留存。

11. 欧洲药品管理局，临床试验中计算机化系统与电子数据指导原则 (EMA/INS/GCP/112288/2023，GCP 检查员工作组，2023) — 涵盖 eCOA、IRT、CRF 与稽查轨迹的计算机化系统要求。

12. Peterson M, Byrom B, Dowlman N, McEntegart D. 优化临床试验供应需求：计算机控制供应链管理的模拟。 Clinical Trials 2004;1(4):399–412 (PMID 16279278).

13. Zhang B, Song M, Wang Z, Zhou Y, Pang X. 应用失效模式与效应分析进行临床试验中试验用药品管理的风险分析。 American Journal of Health-System Pharmacy 2026 (PMID 41208414) — 识别出 44 种失效模式，31 种为高风险。

14. Saarela AL, Walzer A, Juppo AM. 临床试验中研究中心对交互式响应技术电话与网页界面的使用情况。 Clinical Trials 2019 (PMID 30813773) — 被调查的研究中心受访者中有 98% 更倾向于网页界面。

15. Schrimpf D, Haag M, Pilz LR. 电子数据采集与随机化系统的可能组合：原理及基于 RANDI2 和 OpenClinica 的实现。 Methods of Information in Medicine 2014 (PMID 24514764).

16. Europe PMC — 生命科学文献的书目数据库。EClinCloud 对包含 101,685 条记录的 eClinical 联合集（2026 年八月 1 日快照）的分析：479 条标题/摘要记录与试验供应及 IRT 短语匹配；在整个 2020 年代期间每年 34–57 条，访问于 2026 年八月。

17. 欧洲药品管理局，检索临床试验和报告（CTIS 公共门户） — 通过 CTIS 提交的欧盟/欧洲经济区临床试验的公开信息。EClinCloud 对 12,123 条公开摘要记录的分析（2026 年七月 30 日快照；试验国家列表长度），访问于 2026 年八月。

18. EClinCloud，RTSM — 随机化与试验供应管理 — 与方案层级控制决策相关的产品功能面；属于产品范围，而非性能声明。

19. EClinCloud，研究构建专业服务 — 跨 RTSM 及其他研究系统的方案审查、需求/配置和实施支持。