crcheckv0.0.1

开发背景

肿瘤登记数据收集变量之间的内部一致性是肿瘤登记数据质量控制的重要内容，也是保障登记数据准确性和可靠性的关键环节。国际癌症研究机构（International Agency for Research on Cancer，IARC）与国际癌症登记协会（International Association of Cancer Registries，IACR）发布了用于肿瘤登记数据内部一致性逻辑审核的软件工具 IARCcrgTools。欧洲癌症登记网络（European Network of Cancer Registries，ENCR）也发布了用于登记数据质量审核的 JRC Tools。这些工具为肿瘤登记数据的规范化审核提供了重要支持，在提高登记数据质量方面发挥了积极作用。

然而，现有工具在实际应用中仍存在一定局限性。一方面，相关软件主要面向 Windows 平台，跨平台使用受到限制；另一方面，审核过程通常依赖图形用户界面和人工交互操作，难以直接嵌入程序化数据处理流程，对多登记处数据的批量审核、周期性质量评价及自动化分析的支持相对有限。

基于上述需求，我们开发了用于肿瘤登记数据内部一致性逻辑审核的 R 语言包 crcheck。该工具旨在将内部一致性审核规则转化为可执行的程序，提供跨平台、可编程的审核方式，并能够与现有 R 数据分析流程衔接，实现登记数据的批量审核与自动化质量控制，提高审核工作的效率、规范性和可重复性。

主要功能

crcheck 包主要提供四个方面的功能。首先是变量有效性审核。 对肿瘤登记数据中的相关变量进行缺失值、数据格式及取值范围检查，判断变量值是否符合预定义的编码规范和有效取值要求。例如，ICD-O-3 解剖学部位编码 C22.2 不属于有效编码，crcheck 可以自动识别并提示此类错误。

其次是多变量组合的内部一致性逻辑审核。 目前，crcheck 包已内置10类多变量组合审核规则，主要从人口学变量与肿瘤变量之间、肿瘤变量之间以及随访相关变量之间三个方面开展交叉逻辑审核。

其中，人口学变量与肿瘤变量之间的审核主要包括年龄、解剖学部位与形态学的组合关系，以及性别与解剖学部位、性别与形态学之间的逻辑一致性；肿瘤变量之间的审核主要包括解剖学部位与形态学、解剖学部位与行为学编码、形态学与行为学编码、组织学分级与形态学，以及诊断依据与形态学之间的逻辑关系；随访相关变量的审核则主要涉及出生日期、发病日期、最后接触日期、死亡日期及生存状态等变量之间的时间顺序与逻辑一致性。

通过将这些变量间的逻辑关系转化为程序化审核规则，crcheck 能够自动识别潜在的不合理组合及内部一致性问题，为登记数据的进一步核实和质量控制提供依据。

第三是肿瘤编码的生成与转换。 crcheck 包提供了肿瘤相关编码的转换、提取与生成等功能，包括将 ICD-O-3 编码转换为 ICD-10 编码，以及从 ICD-10 编码中提取相应的 ICD-O-3 解剖学部位和形态学编码信息。此外，还支持根据指定的编码范围，批量生成符合编码规范的 ICD-O-3 解剖学部位编码、形态学编码及 ICD-10 编码，为肿瘤登记数据处理、编码核查和规则开发提供支持。

第四是重复记录识别与多原发癌判定。 crcheck 包综合利用姓名、性别、身份证号码、地址等多维度信息，评估数据库中不同记录属于同一人的匹配概率，并根据预设阈值识别潜在的重复记录。在此基础上，依据多原发癌判定规则，对同一人的多条肿瘤登记记录进行进一步审核，区分重复登记与不同原发肿瘤，为重复记录核查、多原发癌判定及登记数据质量控制提供支持。