مدیر داده‌های بالینی
Clinical Data Manager
مدیر داده‌های بالینی (Clinical Data Manager) مسئول داده‌های یک کارآزمایی بالینی است، از طراحی فرم‌های ثبت داده تا قفل پایگاه داده (database lock). او مشخص می‌کند چه داده‌ای و چطور در سیستم EDC ثبت شود، قواعد کنترل خطا (edit check) را تعریف و آزمایش می‌کند، داده‌ها را پاک‌سازی می‌کند، برای مراکز درمانی query می‌فرستد و داده‌های آزمایشگاه و منابع بیرونی را تطبیق می‌دهد تا دادهٔ تمیز و قابل‌دفاع به آماردانان و نهادهای ناظر برسد. این شغلی جاافتاده در CROها، شرکت‌های دارویی و بیوتک است. پسوند «هوشمند» یا (AI) جزو عنوان شغلی نیست: کارفرماها همان عنوان Clinical Data Manager را به کار می‌برند و از ۲۱ آگهی این خانواده که در اکتبر ۲۰۲۶ کامل خواندیم، فقط ۲ آگهی، هر دو در eClinical Solutions، کار با AI را جزو وظایف آورده بودند. AI بیشتر از راه ابزارها وارد این کار می‌شود: بازبینی داده با کمک یادگیری ماشین، تشخیص داده‌های پرت و خودکارسازی تبدیل داده.
مقدمه و تعریف شغل
O*NET وظیفهٔ مدیر داده‌های بالینی را به‌کار بردن دانش مراقبت سلامت و مدیریت پایگاه داده برای تحلیل دادهٔ بالینی و شناسایی و گزارش روندها تعریف می‌کند و در صدر فهرست وظایف آن، طراحی و اعتبارسنجی پایگاه دادهٔ بالینی، فرستادن query برای خطاها و کمبودها و نوشتن طرح مدیریت داده تا قفل پایگاه داده را آورده است. SCDM، انجمن حرفه‌ای این رشته، می‌نویسد مدیریت دادهٔ بالینی مسئول چرخهٔ عمر داده از جمع‌آوری تا تحویل برای تحلیل آماری در پشتیبانی از فعالیت‌های نظارتی است. به زبان ساده: هر عددی که در گزارش نهایی یک دارو می‌آید، باید از مسیری عبور کرده باشد که این فرد طراحی و کنترل کرده است.
SCDM در ۲۰۲۰ نوشت مدیران دادهٔ بالینی بیش از سه دهه است از مطالعات بالینی پشتیبانی می‌کنند. کتاب مرجع آن‌ها، GCDMP، نخستین بار در ۲۰۰۰ منتشر شد و برنامهٔ گواهی SCDM از ۲۰۰۴ هفتاد شایستگی را در هشت حوزه تعریف کرده است. این کار حالا در حال تغییر است: SCDM در سه مقاله در ۲۰۱۹ و ۲۰۲۰ از تبدیل «مدیریت دادهٔ بالینی» به «علم دادهٔ بالینی» نوشت، و در نظرسنجی همان سال ۷۱٪ پاسخ‌دهندگان گفتند انتظار دارند راهبردهای مدیریت داده مبتنی بر ریسک را گسترش دهند. اثرش در آگهی‌ها پیداست: ICON عنوان داخلی همین شغل را Clinical Data Science Lead گذاشته و نقش Senior Clinical Data Scientist در Novartis در عمل نقش مدیر دادهٔ مطالعه است. ICH هم در E6(R3) در ژانویهٔ ۲۰۲۵ بازبینی داده را برنامه‌ریزی‌شده و مبتنی بر ریسک خواست. با این حال AI هنوز بیشتر در ابزارهاست تا در شرح شغل: Medidata می‌گوید از طراحی پروتکل تا قفل پایگاه داده AI و خودکارسازی را در محصولش گنجانده، اما از ۲۱ آگهی‌ای که خواندیم، فقط ۲ آگهی AI را جزو وظایف فرد آورده بودند.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک مدیر داده‌های بالینی
طرح مدیریت داده و مشخصات مطالعه
آگهی eClinical Solutions از مدیر داده می‌خواهد مشخصات خدمات را تعریف کند: تبدیل پروتکل، ساخت پایگاه داده، طراحی CRF و ابزارهای بازبینی و تطبیق داده، و مستنداتی مثل DMP و راهنمای تکمیل فرم را در طول مطالعه به‌روز نگه دارد.
فرم الکترونیک و قواعد کنترل خطا
Relay از مدیر داده می‌خواهد توسعهٔ پایگاه داده و طراحی eCRF، UAT و مشخصات اعتبارسنجی، از راهنمای بازبینی دستی تا edit checkهای برنامه‌نویسی‌شده، را رهبری کند. برنامه‌نویس پایگاه داده این مشخصات را در EDC پیاده می‌کند.
پاک‌سازی داده و query
در آگهی Merck، فرد گزارش‌های کنترل یکپارچگی داده را طبق Data Review Plan اجرا می‌کند، از کارکنان مرکز درمانی و vendorها سؤال می‌پرسد و پاسخ‌ها و اصلاحات را بررسی می‌کند تا مشکل حل شود.
تطبیق داده‌های بیرونی
ICON حل مغایرت‌های دادهٔ eCOA، PK، biomarker، آزمایشگاه محلی و ایمنی را با تیم مطالعه و vendorها جزو کار می‌داند. هرچه منابع داده بیشتر شود، این بخش از کار بزرگ‌تر می‌شود.
قفل پایگاه داده
طبق ICH E6(R3)، پیش از تحویل داده برای تحلیل نهایی و پیش از unblinding، دسترسی ویرایش به ابزارهای ثبت داده باید محدود شود. مدیر داده مراحل freeze و lock را اجرا و هماهنگ می‌کند؛ این همان لحظه‌ای است که کل کار مطالعه به آن ختم می‌شود.
بازبینی کل‌نگر داده با تحلیل و AI
آگهی Clinical Data Manager در eClinical Solutions از فرد می‌خواهد با گزارش‌ها و تحلیل‌های پلتفرم، روندها و ریسک‌ها را زودتر پیدا کند و از AI و یادگیری ماشین برای تشخیص ناهنجاری و دادهٔ پرت استفاده کند.
تخصص‌های مختلف مدیر داده‌های بالینی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
مدیر دادهٔ اصلی مطالعه
Lead / Study Data Manager
مسئول کامل داده‌های یک مطالعه از راه‌اندازی تا بستن، در CRO یا شرکت اسپانسر؛ AstraZeneca همین نقش را Study Data Manager و Fortrea آن را Lead Data Manager می‌نامد.
علم داده و خودکارسازی بالینی
Clinical Data Science & Automation
ساختن ابزار برای خودِ تیم داده: listing، داشبورد، ETL و پکیج‌های R برای پاک‌سازی و اعتبارسنجی؛ مثل نقش Sr. Clinical Data Scientist در Summit. نزدیک‌ترین شاخه به AI در این حرفه است.
استانداردهای داده
Data Standards
تعریف و نگهداری کتابخانه‌ها و قالب‌های CDISC برای کل سازمان؛ ICON نقش جداگانهٔ Senior Clinical Data Manager - Data Standards دارد.
برنامه‌نویسی پایگاه دادهٔ بالینی
Clinical Database Programming
ساختن و آزمودن پایگاه داده در EDC، edit checkها و گزارش‌ها؛ نقش Clinical Database Programmer در eClinical Solutions و Parexel.
بازبینی مبتنی بر ریسک و پایش متمرکز
Risk-Based Data Review / Central Monitoring
بررسی KRIها در سطح مراکز، منطقه‌ها و کشورها و ریشه‌یابی مشکلات؛ آگهی Fortrea این را جزو کار مدیر داده می‌داند و Labcorp و Pfizer نقش‌های جداگانه‌ای برای پایش متمرکز داده دارند.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
دانشمند داده‌های سلامت با EHR، دادهٔ بیمه و دادهٔ کارآزمایی مدل می‌سازد و به سؤال‌هایی دربارهٔ بیماری و اثر درمان پاسخ می‌دهد. مدیر داده‌های بالینی پیش از آن مرحله کار می‌کند: کاری می‌کند که دادهٔ یک کارآزمایی کامل، درست و قابل‌ردیابی باشد تا تحلیل روی آن معتبر باشد. در جستجوی کار مراقب نام‌ها باشید: در شرکت‌های دارویی عنوان Clinical Data Scientist گاهی همین مدیریت داده است؛ مثلاً نقش Senior Clinical Data Scientist در Novartis رهبری مدیریت دادهٔ مطالعه و نقش مدیر دادهٔ کارآزمایی را بر عهده دارد.
طبق SCDM، مدیریت دادهٔ بالینی داده را تا «تحویل برای تحلیل آماری» می‌رساند و کار آماردان از آنجا شروع می‌شود. برنامه‌نویس آماری داده را به قالب‌های SDTM و ADaM می‌برد؛ طبق CDISC، ADaM برای تولید، تکرار و بازبینی تحلیل‌های آماری کارآزمایی طراحی شده است. مرز در حال نزدیک شدن است: نقش Sr. Clinical Data Scientist در Summit با R یا Python برای تیم مدیریت داده listing، داشبورد و pipeline خودکار می‌سازد و دست‌کم ۳ سال تجربهٔ برنامه‌نویسی در صنعت دارو می‌خواهد.
مدیر داده مشخص می‌کند پایگاه داده چه چیزی را بگیرد و چه خطاهایی را کنترل کند؛ برنامه‌نویس پایگاه داده آن را می‌سازد. در آگهی eClinical Solutions، برنامه‌نویس فرم‌ها، data dictionary، edit checkها، derivationها و custom functionها را در Medidata Rave طراحی و آزمایش می‌کند و C# می‌خواهد. اگر برنامه‌نویسی را بیشتر از هماهنگی با تیم‌ها دوست دارید، این مسیر کنار مدیریت داده است.
تحلیل‌گر داده با SQL، داشبورد و تحلیل موردی به سؤال‌های جاری کسب‌وکار جواب می‌دهد. مدیر داده‌های بالینی کمتر سؤال تحلیلی می‌پرسد و بیشتر کیفیت داده را در چارچوبی قانونی تضمین می‌کند: پروتکل، GCP، 21 CFR Part 11 و آمادگی برای بازرسی. مهارت‌های Excel، SQL و ابزار گزارش بین دو نقش مشترک است، اما شناخت کارآزمایی بالینی و مقررات چیزی است که باید اضافه کنید.
تأثیر در صنایع مختلف
مدیر داده‌های بالینی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
CROها (سازمان‌های پژوهش قراردادی)
در جستجوی ما در اکتبر ۲۰۲۶، ICON، Fortrea، Parexel، IQVIA و Precision for Medicine هر کدام چند آگهی باز از این خانواده داشتند؛ در مدل‌های FSP یا sponsor-dedicated، مدیر داده به یک شرکت دارویی مشخص اختصاص داده می‌شود
شرکت‌های بزرگ دارویی
Merck، AstraZeneca، Pfizer و Novartis تیم‌های داخلی مدیریت یا علم دادهٔ بالینی دارند؛ Pfizer نام بخش خود را Clinical Data Sciences گذاشته است
بیوتک‌های در مرحلهٔ بالینی
Relay، Summit، AbCellera و Revolution Medicines مدیر داده را بیشتر برای نظارت بر CROها و vendorها و ساختن فرایند داخلی استخدام می‌کنند
شرکت‌های فناوری کارآزمایی بالینی
eClinical Solutions هم نرم‌افزار و هم خدمات مدیریت داده می‌فروشد و Veeva برای پیاده‌سازی نرم‌افزار CDMS خود، فارغ‌التحصیلان تازه را در نقش مشاور استخدام می‌کند
انکولوژی
Relay، Summit، Precision و Fortrea تجربه در مطالعات سرطان را امتیاز می‌دانند؛ این مطالعات دادهٔ پیچیده و منابع دادهٔ زیادی دارند
مطالعات فاز اولیه
Fortrea تیم جداگانه‌ای برای مطالعات فاز اولیه، با داوطلبان سالم و بیماران، و زمان‌بندی‌های فشرده دارد
پژوهش دانشگاهی و بیمارستانی
طبق REDCap، کنسرسیوم آن ۸٬۴۹۴ عضو فعال در ۱۶۷ کشور دارد؛ در Glassdoor انگلستان، University College London Hospitals و The Institute of Cancer Research از کارفرماهای پرتکرار این عنوان‌اند
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
مدیر داده‌های بالینی (AI) یک شغل AI است
عنوان آگهی‌ها همان Clinical Data Manager است و شرط اصلی‌شان EDC، GCP، پاک‌سازی داده و مدیریت پروژه است. از ۲۱ آگهی‌ای که کامل خواندیم فقط ۲ آگهی، هر دو در eClinical Solutions، AI را جزو وظایف آورده بودند. AI بیشتر در ابزارها می‌آید: eClinical می‌گوید بخش Data Central پلتفرمش برای بازبینی داده با AI است و Medidata از AI در ساخت و قفل مطالعه می‌گوید.
AI به‌زودی جای مدیر داده را می‌گیرد
آگهی eClinical Solutions صریحاً نوشته AI قرار است قضاوت حرفه‌ای را تقویت کند، نه جایگزینش شود، و مسئولیت همهٔ کار با خود کارمند است. SCDM هم ابزارهای یادگیری ماشین را «مدیر دادهٔ مجازی» می‌داند که متخصص باید آموزش‌شان دهد، دقتشان را بسنجد و تا وقتی از روش فعلی دقیق‌تر نشده‌اند، با نظارت انسانی کار کنند. ICH E6(R3) هم می‌خواهد هر اصلاح داده به فرد یا سیستمی که آن را انجام داده نسبت داده شود.
بدون مدرک پزشکی یا داروسازی نمی‌شود وارد این شغل شد
حداقل تحصیلات نقش ورودی Merck دیپلم است و کارشناسی پزشکی، داروسازی، پرستاری یا علوم زیستی فقط ترجیح دارد. Alimentiv برای Clinical Data Coordinator یک تا دو سال تحصیلات پس از دیپلم یا یک تا سه سال تجربهٔ مرتبط می‌خواهد. گواهی CCDM هم با چهار سال تجربهٔ تمام‌وقت در مدیریت داده و بدون مدرک دانشگاهی قابل دریافت است.
مدیریت داده یعنی ورود داده
ورود داده بخش کوچکی از کار است. طبق SCDM، بیش از ۸۵٪ شایستگی‌های گواهی این حرفه در چهار حوزهٔ طراحی، مدیریت پروژه، پردازش داده و برنامه‌نویسی است. O*NET هم طراحی و اعتبارسنجی پایگاه داده و نوشتن طرح مدیریت داده را در صدر وظایف آورده است.
برای این کار باید برنامه‌نویس باشید
در بیشتر آگهی‌های پایه، برنامه‌نویسی شرط نیست: eClinical Solutions، Merck و ICON بیشتر EDC، Excel و شناخت GCP می‌خواهند و Precision فقط «کمک به برنامه‌نویسی SAS» را آورده است. اما شاخهٔ خودکارسازی، مثل نقش Summit، R یا Python را الزامی می‌داند و همین شاخه است که با AI بیشتر سروکار دارد.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (۰–۲ سال)
کار زیر نظر مدیر دادهٔ ارشد و با فرایندهای مشخص انجام می‌شود. بیشتر وقت صرف اجرای گزارش‌های کنترل، بازبینی داده و پیگیری query می‌شود و بخشی هم صرف یادگرفتن سیستم‌ها و SOPهای شرکت.
- ◆اجرای گزارش‌های کنترل یکپارچگی داده طبق Data Review Plan
- ◆فرستادن query به مرکز درمانی و بررسی پاسخ و اصلاح داده
- ◆آزمودن چند edit check تازه در محیط آزمون EDC
- ◆بایگانی مستندات مدیریت داده در Trial Master File
میانی (۲–۵ سال)
مسئولیت داده‌های یک یا چند مطالعه را دارید. با تیم مطالعه، vendorها و برنامه‌نویسان کار می‌کنید و باید مشکل‌های داده را پیش از آنکه به قفل پایگاه داده برسند، پیدا و حل کنید.
- ◆به‌روزرسانی DMP و مشخصات edit check پس از اصلاحیهٔ پروتکل
- ◆تطبیق دادهٔ آزمایشگاه مرکزی و SAEها با پایگاه داده
- ◆جلسه با برنامه‌نویس برای listing تازهٔ بازبینی داده
- ◆گزارش متریک‌های query و داده‌های معوق به مدیر پروژه
ارشد (۵+ سال)
مدیر دادهٔ اصلی مطالعه یا برنامه‌اید و رابط اصلی با اسپانسر. کمتر خودتان داده را بازبینی می‌کنید و بیشتر برنامه‌ریزی، نظارت، آموزش و تصمیم‌گیری دربارهٔ ریسک‌ها را بر عهده دارید.
- ◆بررسی KRIها در سطح مراکز و کشورها و ریشه‌یابی یک مشکل کیفیت داده
- ◆نظارت بر عملکرد CRO یا vendor با KPI
- ◆هماهنگی مراحل freeze و قفل پایگاه داده با آمار و عملیات بالینی
- ◆ارائه در جلسهٔ پژوهشگران و آموزش CRAها و مراکز
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈تبدیل پروتکل مطالعه به مشخصات پایگاه داده: طراحی CRF و eCRF، راهنمای تکمیل فرم و data dictionary
- ◈نوشتن مشخصات edit check و بازبینی دستی، و اجرای UAT پیش از راه‌اندازی پایگاه داده
- ◈پاک‌سازی داده در طول مطالعه: اجرای گزارش‌های کنترل، فرستادن query به مراکز درمانی و پیگیری پاسخ‌ها
- ◈تطبیق داده‌های بیرونی با پایگاه داده: آزمایشگاه مرکزی، eCOA، IRT و تطبیق SAE با دادهٔ ایمنی
- ◈کدگذاری پزشکی رخدادهای ناخواسته و داروها با MedDRA و WHODrug
- ◈آماده‌سازی و هماهنگی قفل پایگاه داده و تحویل دادهٔ تمیز برای تحلیل آماری
- ◈بازبینی کل‌نگر داده، پایش KPI و KRI و استفاده از ابزارهای تحلیلی یا AI برای پیدا کردن الگو و دادهٔ پرت
- ◈همکاری با عملیات بالینی، آمار زیستی و برنامه‌نویسی و آموزش کارکنان مراکز درمانی دربارهٔ فرم‌ها
- ◈نگهداری مستندات مدیریت داده (DMP، مشخصات اعتبارسنجی) و آمادگی همیشگی برای ممیزی و بازرسی
- ◈نظارت بر CRO و vendorها و گزارش پیشرفت و ریسک‌ها به تیم مطالعه
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک مدیر داده‌های بالینی موفق به آن‌ها نیاز دارد
مهارت‌های فنی
eClinical Solutions «تسلط به EDC و سیستم‌های مدیریت دادهٔ بالینی» را می‌خواهد؛ Rave و Veeva EDC رایج‌اند
تبدیل پروتکل به فرم و قواعد کنترل؛ O*NET طراحی و آزمودن logic checkها را در صدر وظایف آورده است
بازبینی داده، فرستادن query و پیگیری پاسخ‌ها تا رفع مشکل؛ هستهٔ کار روزانه در همهٔ آگهی‌ها
آزمایشگاه، eCOA، IRT و تطبیق SAE؛ ICON و Relay هر دو آن را جزو کار می‌دانند
آزمودن پایگاه داده و edit checkها پیش از راه‌اندازی؛ در آگهی‌های Relay، ICON و Precision آمده است
کدگذاری AE و داروها با MedDRA و WHODrug؛ Precision و Relay آن را جزو وظایف آورده‌اند
CDASH برای جمع‌آوری و SDTM برای ارسال؛ eClinical «آشنایی» می‌خواهد و AbCellera برای سطح مدیریت «تسلط پیشرفته»
Excel پیشرفته (Relay) و ابزارهایی مثل Qlik، JReview یا Spotfire (eClinical Solutions)
در نقش‌های پایه امتیاز است و در شاخهٔ خودکارسازی، مثل Summit، شرط
Veeva برای نقش ورودی خود آشنایی با SQL برای کوئری روی پایگاه دادهٔ رابطه‌ای را می‌خواهد
تشخیص ناهنجاری و دادهٔ پرت (eClinical Solutions) و توانایی سنجیدن دقت این ابزارها (SCDM)
مهارت‌های نرم
eClinical تجربهٔ قوی مدیریت پروژه، تقسیم کار و حل مسئله‌های پیچیده را می‌خواهد
در آگهی‌های eClinical، Relay و Alimentiv صریحاً آمده است؛ یک تاریخ اشتباه می‌تواند تحلیل را عوض کند
در بیوتک‌ها بخش اصلی کار است؛ Relay و AbCellera آن را صریحاً می‌خواهند
نوشتن query روشن، آموزش مراکز درمانی و ارائه در جلسات پژوهشگران (eClinical Solutions)
Merck توانایی کار زیر فشار و در محیط در حال تغییر را می‌خواهد؛ نزدیک قفل پایگاه داده این فشار بیشتر است
دانش حوزه‌ای
پایهٔ همهٔ آگهی‌ها؛ بخش حاکمیت دادهٔ E6(R3) مستقیماً دربارهٔ کار مدیر داده است
مقررات آمریکا دربارهٔ سوابق و امضای الکترونیک؛ eClinical Solutions شناخت آن را می‌خواهد
eClinical تجربه با RBQM را امتیاز می‌داند و Fortrea آن را برای مدیر دادهٔ ارشد شرط گذاشته است
انکولوژی در آگهی‌های Relay، Summit، Precision و Fortrea امتیاز یا شرط است
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مدیر داده‌های بالینی
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
مبانی کارآزمایی بالینی و GCP
اول باید بدانید کارآزمایی بالینی چطور طراحی و اجرا می‌شود و داده در آن چه نقشی دارد: فازهای مطالعه، پروتکل، رخدادهای ناخواسته (AE و SAE) و قواعد GCP. آگهی eClinical Solutions «شناخت راهنماهای ICH/GCP، 21 CFR Part 11 و روش‌شناسی کارآزمایی بالینی» را صریحاً می‌خواهد. متن ICH E6(R3) که در ژانویهٔ ۲۰۲۵ تصویب شد، بخش جداگانه‌ای دربارهٔ حاکمیت داده دارد.
هستهٔ کار: EDC، فرم ثبت داده، edit check و query
این همان کاری است که O*NET در صدر وظایف این شغل آورده: طراحی و اعتبارسنجی پایگاه دادهٔ بالینی، طراحی و آزمودن قواعد کنترل، فرستادن query و نوشتن طرح مدیریت داده (DMP). درس Vanderbilt در Coursera ساختن ابزار ثبت داده در REDCap را تمرین می‌کند؛ کتاب مرجع حرفه، GCDMP، را هم SCDM منتشر می‌کند.
استانداردهای داده و کدگذاری پزشکی
داده باید با استاندارد جمع‌آوری و تحویل شود. طبق CDISC، استاندارد SDTM از استانداردهای لازم برای ارسال داده به FDA آمریکا و PMDA ژاپن است و CDASH روشی یکسان برای جمع‌آوری داده تعریف می‌کند که مستقیم به SDTM قابل‌ردیابی است. اصطلاحات پزشکی و داروها هم با فرهنگ‌هایی مثل MedDRA و WHODrug کدگذاری می‌شوند؛ آگهی Relay کدگذاری رخدادهای ناخواسته و داروهای همزمان را جزو کار می‌داند.
Excel، SQL و برنامه‌نویسی برای بازبینی داده
Relay مهارت پیشرفته در Excel را الزامی می‌داند و eClinical Solutions تجربه با ابزارهای گزارش مثل Qlik، JReview یا Spotfire را امتیاز. آگهی Precision کمک به برنامه‌نویسی SAS را جزو کار آورده و آگهی Sr. Clinical Data Scientist در Summit تسلط به R یا Python را برای ساختن listing، داشبورد و pipeline. اگر می‌خواهید به سمت خودکارسازی بروید، این مرحله مهم‌ترین مرحله است.
بازبینی مبتنی بر ریسک، خودکارسازی و AI
ICH E6(R3) می‌گوید وسعت و نوع بازبینی داده و audit trail باید مبتنی بر ریسک باشد. SCDM در مقالهٔ ۲۰۲۰ خود پیش‌بینی کرده راه‌حل‌های مبتنی بر یادگیری ماشین مثل «مدیر دادهٔ مجازی» کنار متخصص کار کنند و نوشته متخصص باید داده‌های آموزش و آزمون این ابزارها را تعریف و دقتشان را با معیارهایی مثل precision و recall بسنجد. FDA هم در پیش‌نویس راهنمای ژانویهٔ ۲۰۲۵ چارچوبی مبتنی بر ریسک برای سنجش اعتبار مدل‌های AI پیشنهاد کرده است.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
EDC و سیستم‌های مدیریت داده
سیستم EDC شرکت Medidata؛ آگهی Relay تجربه با Rave را می‌خواهد و آگهی برنامه‌نویس پایگاه داده در eClinical Solutions تسلط کامل به آن را
ابزار ثبت داده برای پژوهش که طبق سایت خودش برای نهادهای غیرانتفاعی عضو کنسرسیوم رایگان است؛ برای تمرین طراحی فرم مناسب است
استانداردها و فرهنگ‌های کدگذاری
استاندارد جمع‌آوری داده در فرم‌ها؛ AbCellera تسلط پیشرفته به CDASH، SDTM و Define-XML را برای مدیر ارشد این حوزه می‌خواهد
قالب دادهٔ ارسالی به FDA و PMDA؛ مدیر داده باید بداند دادهٔ جمع‌آوری‌شده چطور به آن می‌رسد
اصطلاح‌نامهٔ پزشکی استانداردی که ICH در اواخر دههٔ ۱۹۹۰ برای تبادل اطلاعات نظارتی ساخت؛ Precision و Relay کدگذاری اصطلاحات پزشکی و رخدادهای ناخواسته را جزو کار مدیر داده می‌دانند
بازبینی داده و گزارش
پلتفرم بازبینی و تحلیل دادهٔ بالینی؛ به گفتهٔ سازنده، بخش Data Central آن برای بازبینی خودکارتر داده به دست مدیران داده طراحی شده است
ابزار روزمرهٔ کار با listing و گزارش؛ آگهی Relay «مهارت پیشرفته در Excel» را الزامی می‌داند
برنامه‌نویسی و خودکارسازی
زبان سنتی برنامه‌نویسی بالینی؛ آگهی Precision کمک به برنامه‌نویسی و QC برنامه‌های SAS را جزو کار آورده است
Summit برای نقش خودکارسازی بازبینی داده R یا Python و ساختن پکیج‌های R برای پاک‌سازی و اعتبارسنجی داده می‌خواهد
برای اسکریپت، تحلیل و مدل‌های سادهٔ تشخیص ناهنجاری؛ Veeva حتی برای نقش ورودی آشنایی با SQL و Python یا R را می‌خواهد
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
Clinical Data Coordinator / Associate
۰ تا ۲ سال
انجام کارهای پایهٔ مدیریت داده زیر نظر مدیر داده: بازبینی داده و فرستادن query، آزمودن edit checkها، ورود و اصلاح داده و بایگانی مستندات؛ مثل آگهی Clinical Data Coordinator در Alimentiv و Associate Specialist در Merck
Clinical Data Manager
۲ تا ۵ سال
مسئولیت مستقل داده‌های یک یا چند مطالعه: نوشتن DMP و مشخصات edit check، UAT، تطبیق دادهٔ بیرونی و آماده‌سازی برای قفل پایگاه داده
Senior / Lead Clinical Data Manager
۵ تا ۸+ سال
مدیر دادهٔ اصلی مطالعه و رابط اصلی با اسپانسر، هدایت تیم داده، نظارت بر vendorها و آموزش افراد کم‌تجربه‌تر؛ eClinical Solutions برای این سطح ۸+ سال و ICON ۵+ سال تجربه می‌خواهد
Manager / Associate Director / Director, CDM
۷ تا ۱۰+ سال
نظارت بر CROها و چند مطالعه، ساختن تیم و فرایندها، آمادگی برای بازرسی و تصمیم دربارهٔ ابزارها؛ Relay برای Senior Manager حدود ۷+ سال و Summit و AbCellera برای سطوح بالاتر ۱۰+ سال می‌خواهند
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
فشار زمان در نزدیکی قفل پایگاه داده
عمومیهمهٔ کار مطالعه به یک تاریخ ختم می‌شود: تحویل دادهٔ تمیز برای تحلیل. هر query باز، دادهٔ معوق یا مغایرت حل‌نشده باید پیش از آن بسته شود. Merck صریحاً توانایی کار زیر فشار را می‌خواهد و Summit توانایی تغییر سریع اولویت‌ها را.
منابع داده‌ای که مدام بیشتر می‌شوند
عمومیSCDM از «کاهش EDC-محوری» و افزایش تنوع داده می‌نویسد. در عمل، ICON از مدیر داده حل مغایرت‌های eCOA، PK، biomarker، آزمایشگاه محلی و ایمنی را می‌خواهد و AbCellera شناخت اتصال EDC به آزمایشگاه، IRT، eCOA و تصویربرداری را.
مقررات و آمادگی برای بازرسی
شرکت بزرگهر تغییر در داده باید قابل‌ردیابی و مستند باشد. ICH E6(R3) می‌خواهد اصلاح داده‌ها به فرد یا سیستمی که آن را انجام داده نسبت داده شود و انتقال داده بین سیستم‌ها با تطبیق همراه باشد. AbCellera از مدیر ارشد داده می‌خواهد سازمان را همیشه آمادهٔ بازرسی نگه دارد.
اعتبارسنجی ابزارهای AI
عمومیاگر ابزار یادگیری ماشین در بازبینی داده به کار رود، کسی باید بگوید چقدر قابل‌اعتماد است. SCDM می‌نویسد متخصص باید داده‌های آموزش و آزمون را تعریف کند و دقت مدل را با precision و recall بسنجد، و FDA در پیش‌نویس راهنمای ۲۰۲۵ چارچوبی مبتنی بر ریسک برای سنجش اعتبار مدل‌های AI پیشنهاد کرده است.
ورود بدون تجربه سخت است
عمومیبیشتر آگهی‌هایی که عنوان Clinical Data Manager دارند تجربه می‌خواهند: eClinical Solutions و ICON ۵+ سال و Precision برای سطح ارشد ۸+ سال. راه ورود معمولاً از نقش‌های Coordinator یا Associate، مثل Alimentiv و Merck، یا برنامه‌های فارغ‌التحصیلان مثل Veeva می‌گذرد.
رقابت جهانی و کار از راه دور
عمومیبخش بزرگی از آگهی‌هایی که دیدیم در هند، لهستان، آفریقای جنوبی، مکزیک، آرژانتین و چین بود، و بسیاری کار از خانه را ممکن می‌کنند. این یعنی فرصت دورکاری بیشتر، اما رقابت با متخصصانی از کشورهای دیگر.
حقوق و بازار کار جهانی
حقوق جهانی مدیر داده‌های بالینی
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- Glassdoor US, estimate updated Apr 2025, base pay: 25th–75th pct; median (1,293 salaries)
- Merck posting, Associate Specialist, Clinical Data Management (West Point PA; entry level, high-school diploma minimum, no years stated), open Oct 2026: salary range; median = midpoint
- eClinical Solutions posting, Senior Clinical Data Manager (remote US, 8+ years preferred), first posted Aug 27, 2026: US pay range; median = midpoint
- Glassdoor Canada, estimate updated Oct 2026, base pay: 25th–75th pct; median (95 salaries)
- Alimentiv posting, Clinical Data Coordinator (Ontario/Quebec; entry rung of a CDM team, 1–2-year post-secondary certificate or 1–3 years' experience), posted Oct 22, 2026: salary range; median = midpoint
- Glassdoor UK, estimate updated Oct 2026, base pay: 25th–75th pct; median (204 salaries)
- Glassdoor Germany, estimate updated Jun 2024, base pay: 25th–75th pct; median (32 salaries)
- Glassdoor Australia, estimate updated Aug 2026, base pay: 25th–75th pct; median (18 salaries)
- Glassdoor India, estimate updated Nov 2023, base pay: 25th–75th pct; median (201 salaries)
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: GCP و مقررات داده
ICH E6(R3)، به‌ویژه بخش حاکمیت داده، و 21 CFR Part 11 را بخوانید و تجربهٔ قبلی‌تان را با زبان این حرفه بازنویسی کنید.
ماه ۲ و ۳: مدیریت داده و EDC
درس Vanderbilt را تمام کنید و یک فرم کامل در REDCap بسازید.
ماه ۴: استانداردها و کدگذاری
CDASH و SDTM را در حد شناخت ساختار یاد بگیرید و با MedDRA آشنا شوید.
ماه ۵: Excel، SQL و یک زبان برنامه‌نویسی
listingهای ساده بسازید؛ SAS یا R را انتخاب کنید.
ماه ۶: پورتفولیو و درخواست کار
دو پروژهٔ اول پورتفولیو را کامل کنید و برای نقش‌های Clinical Data Coordinator، Clinical Data Associate یا CDM در CROها اقدام کنید.
پروژه‌های پیشنهادی برای رزومه
فرم ثبت دادهٔ یک کارآزمایی فرضی در REDCap
مبتدیبرای یک پروتکل کوتاه فرضی (مثلاً دادهٔ جمعیت‌شناختی، علائم حیاتی و رخدادهای ناخواسته) فرم الکترونیک بسازید، data dictionary بنویسید، قواعد اعتبارسنجی و پرش (branching) بگذارید و یک راهنمای تکمیل فرم (CRF Completion Guideline) کوتاه ضمیمه کنید. نام‌گذاری فیلدها را تا جای ممکن با CDASH هماهنگ کنید.
طرح مدیریت داده و مشخصات edit check
مبتدیبرای همان مطالعهٔ فرضی یک Data Management Plan، مشخصات edit check و اسکریپت آزمون UAT بنویسید. با چند ردیف دادهٔ ساختگی نشان دهید هر قاعده کجا خطا می‌گیرد و متن query آن چیست.
listingهای بازبینی و query روی دادهٔ آزمایشی SDTM
متوسطبا دادهٔ آزمایشی pharmaversesdtm در R یا SAS listingهایی بسازید که داده‌های گم‌شده، مقادیر آزمایشگاهی خارج از محدوده و ناسازگاری تاریخ‌ها را پیدا کنند و برای هر مورد متن query پیشنهاد دهند. خروجی را در یک گزارش کوتاه با شمار موارد هر نوع جمع‌بندی کنید.
تبدیل دادهٔ خام به SDTM با sdtm.oak
پیشرفتهدادهٔ خام چند فرم (مثلاً علائم حیاتی و رخدادهای ناخواسته) را با sdtm.oak به دامنه‌های SDTM تبدیل کنید و در README نشان دهید هر متغیر از کدام فیلد خام آمده است.
تشخیص دادهٔ پرت با یادگیری ماشین و سنجش آن
پیشرفتهروی دادهٔ آزمایشگاهی آزمایشی، یک روش قاعده‌محور و یک مدل سادهٔ تشخیص ناهنجاری را مقایسه کنید. همان‌طور که SCDM توصیه می‌کند، داده را به آموزش و آزمون تقسیم کنید، precision و recall را گزارش دهید و توضیح دهید کجا هنوز بازبینی انسانی لازم است.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق صفحهٔ رهبری SCDM، بیش از ۳۰ سال سابقه در صنعت دارو، تجهیزات پزشکی و داروهای زیستی و همچنین توسعهٔ فناوری دارد و تمرکزش بر فناوری، نوآوری، برنامه‌ریزی راهبردی، مدیریت تغییر و راه‌اندازی توانمندی‌های تازه است. امروز SVP بخش Biometrics در ICON است.
رئیس پیشین SCDM است و کمیتهٔ نوآوری این انجمن را رهبری می‌کند؛ کمیته‌ای که سه مقالهٔ مرجع دربارهٔ تبدیل مدیریت دادهٔ بالینی به علم دادهٔ بالینی منتشر کرده است.
مسیر او نشان می‌دهد در این حرفه می‌شود از کار عملیاتی به شکل دادن آیندهٔ خود حرفه رسید؛ به نظر می‌رسد کسانی که تغییر فناوری را زودتر صورت‌بندی می‌کنند، جای بیشتری برای رهبری پیدا می‌کنند.
طبق صفحهٔ رهبری SCDM، بیش از ۲۰ سال در صنعت دارو کار کرده و در همهٔ سطوح مدیریت دادهٔ بالینی، از Data Coordinator تا Senior Director، بوده و در بیش از ۲۵۰ کارآزمایی بالینی مشارکت یا نظارت داشته است. امروز Vice President, BD Operations در eClinical Solutions است.
کتابخانه‌ها و قالب‌های استاندارد برای به‌کارگیری استانداردهای CDISC ساخته، عضو تیم اصلی CDASH در CDISC و هم‌رئیس پیشین پروژهٔ CRF Library بوده است. در SCDM متخصص GCDMP، طراح دوره و عضو هیئت امناست و از ۲۰۱۸ تا ۲۰۲۱ هم‌رئیس کنفرانس سالانه بود.
شروع کار او از پایین‌ترین رده یعنی Data Coordinator بود؛ این مسیر نشان می‌دهد نقش‌های ورودی می‌توانند تا سطح مدیریت ارشد ادامه پیدا کنند و کار روی استانداردها راهی برای شناخته شدن در این حرفه است.
طبق اطلاعیهٔ Saama در ژوئن ۲۰۱۷، دکترای فیزیولوژی و فارماکولوژی از دانشکدهٔ پزشکی UCSD و کارشناسی شیمی و زیست‌شناسی از دانشگاه نیومکزیکو دارد و بیش از ۳۵ سال سابقه در پژوهش بالینی، از جمله در دانشگاه، مؤسسات ملی سلامت آمریکا (NIH)، یک CRO جهانی و شرکت‌های دارویی آمریکا و ژاپن دارد.
در ۱۹۹۷ کنسرسیوم CDISC را بنیان گذاشت و تا آوریل ۲۰۱۷ رئیس و مدیرعامل آن بود. طبق همین اطلاعیه، استانداردهای CDISC حالا برای ارسال درخواست داروی جدید به FDA و PMDA ژاپن الزامی‌اند.
استانداردهایی که او ساخت امروز زبان مشترک هر مدیر داده‌اند. به نظر می‌رسد در کار داده، حل یک مشکل تکراری برای همه، مثل نبودن قالب مشترک، می‌تواند اثری بزرگ‌تر از هر پروژهٔ تکی داشته باشد.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Clinical Data Manager
تحلیل نیازمندی‌ها
5+ years’ experience in Clinical Data Management preferred
این آگهی برای نقش مستقل است، نه ورودی. «preferred» یعنی شرط مطلق نیست، اما معمولاً کسی که این سطح را می‌گیرد چند سال در نقش‌های Coordinator یا Associate کار کرده است.
مهمBachelor’s degree in a health-related field or equivalent experience preferred
مدرک مرتبط با سلامت کمک می‌کند، اما «یا تجربهٔ معادل» در خود متن آمده است؛ تجربهٔ کاری در پژوهش بالینی می‌تواند جای مدرک را بگیرد.
مفیدCCDM Certification preferred
گواهی Certified Clinical Data Manager از SCDM؛ با کارشناسی و ۲ سال تجربه، کاردانی و ۳ سال، یا ۴ سال تجربهٔ تمام‌وقت می‌شود در آزمونش شرکت کرد. هدف میان‌مدت خوبی برای تازه‌واردهاست.
مفیدKnowledge of ICH/GCP guidelines, 21 CFR Part 11 and clinical trial methodology
زبان مشترک این حرفه. باید بدانید GCP از داده چه می‌خواهد، سوابق الکترونیک چه الزاماتی دارند و یک کارآزمایی چطور طراحی می‌شود.
ضروریProficient with EDC and Clinical Data Management Systems
کار روزمره در EDC انجام می‌شود. تجربه با یک سیستم واقعی مثل Rave یا Veeva بهترین است؛ تمرین با REDCap یا OpenClinica هم نشان می‌دهد مفهوم را می‌شناسید.
ضروریStrong project management experience and project team leadership skills including work planning, work delegation and solving complex problems
مدیر داده باید کار تیم را برنامه‌ریزی و تقسیم کند و موعدها را نگه دارد. MS Project و Excel هم صریحاً در آگهی آمده‌اند.
مهمExperience with data reporting tools such as Qlik, JReview, Spotfire preferred
بازبینی داده بیشتر از راه گزارش و داشبورد انجام می‌شود. آشنایی با یکی از این ابزارها یا ساختن داشبورد با R یا Python کمک می‌کند.
مفیدExperience with RBQM methodology preferred
مدیریت کیفیت مبتنی بر ریسک: به‌جای بازبینی یکسان همهٔ داده‌ها، تمرکز بر داده‌ها و فرایندهای حیاتی. ICH E6(R3) همین رویکرد را می‌خواهد.
مفیدExposure to CDISC guidelines and standards
«Exposure» یعنی آشنایی کافی است: بدانید CDASH و SDTM چه هستند و چرا دادهٔ جمع‌آوری‌شده باید به آن‌ها قابل‌ردیابی باشد.
مهمتحلیل مسئولیت‌ها
Define project specifications for Data Management services, including Protocol Conversion, Database Build, CRF Design and Data Review and Data Reconciliation tools
شروع کار از پروتکل است: باید آن را بخوانید و تصمیم بگیرید چه داده‌ای، در چه فرمی و با چه قواعد کنترلی جمع شود. برنامه‌نویس بر اساس همین مشخصات پایگاه داده را می‌سازد.
Execute data cleaning strategies to accelerate the time to achieve subject data cleanliness and ensure high-quality, timely deliverables
پاک‌سازی داده یک‌بار در پایان نیست؛ در طول مطالعه انجام می‌شود تا داده‌های هر بیمار هرچه زودتر تمیز شود و قفل پایگاه داده عقب نیفتد.
Perform holistic data review and trending analysis via reporting and elluminate® analytics to proactively identify issue, risks and develop mitigation strategies
به‌جای بررسی تک‌تک خانه‌ها، به الگوها نگاه می‌کنید: مرکزی که خطای بیشتری دارد، داده‌ای که روند غیرعادی دارد. این همان مهارتی است که با ابزارهای تحلیلی ارزش بیشتری پیدا می‌کند.
Utilize artificial intelligence (AI) and machine learning (ML) for anomaly and outlier detection to enhance the efficiency and quality of trial data
تنها خط AI در این آگهی و یکی از دو آگهی‌ای که در بررسی ما AI را جزو وظایف داشت. معنایش ساختن مدل نیست، بلکه استفاده از ابزار پلتفرم برای پیدا کردن داده‌های غیرعادی و قضاوت دربارهٔ اینکه کدام هشدار واقعی است.
Monitor and interpret key performance indicators (KPIs), metrics, dashboards, Clinical Trial Operational Analytics (CTOA), and reports to provide actionable recommendations to study lead(s)/project manager
باید عددها را به پیشنهاد تبدیل کنید: مثلاً اینکه کدام مرکز queryهای معوق زیادی دارد و چه باید کرد. نوشتن روشن برای مدیر پروژه بخشی از کار است.
Perform Query Management
هستهٔ روزمرهٔ کار: فرستادن سؤال دربارهٔ دادهٔ مشکوک یا گم‌شده به مرکز درمانی، پیگیری پاسخ و بستن query پس از اصلاح.
Prepare and maintain data management documentation (e.g., DMP, CCGs, Help Text, DVS) and update throughout trial lifecycle
DMP، راهنمای تکمیل فرم و مشخصات اعتبارسنجی داده (DVS) باید با هر تغییر پروتکل به‌روز شوند؛ این مستندات در بازرسی بررسی می‌شوند.
نتیجه‌گیری کلی
این آگهی تصویر دقیقی از مدیر داده‌های بالینی در ۲۰۲۶ می‌دهد: بیشتر کار همان هستهٔ قدیمی است، یعنی مشخصات پایگاه داده، پاک‌سازی، query و مستندسازی، و AI فقط در یک خط آمده است: استفاده از ابزار برای تشخیص ناهنجاری. شرط‌ها هم بیشتر تجربه، GCP، EDC و مدیریت پروژه‌اند تا برنامه‌نویسی. آگهی بازهٔ حقوق ندارد؛ آگهی Senior Clinical Data Manager همین شرکت برای دورکاری در آمریکا ۱۱۰ تا ۱۳۰ هزار دلار اعلام کرده است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
آمار رسمی جداگانه‌ای برای مدیر داده‌های بالینی وجود ندارد. O*NET این شغل را زیرمجموعهٔ گروه رسمی «دانشمندان داده» (SOC 15-2051) می‌گذارد و برچسب Bright Outlook دارد؛ BLS پیش‌بینی می‌کند اشتغال کل دانشمندان داده در آمریکا از ۲۰۲۵ تا ۲۰۳۵، ۳۵٪ رشد کند. این رقم بیشتر دربارهٔ دانشمندان دادهٔ عمومی است و نباید آن را رشد خودِ این شغل دانست: میانهٔ دستمزد همان گروه ۱۲۰٬۲۳۰ دلار است، در حالی که Glassdoor میانهٔ حقوق پایهٔ مدیر داده‌های بالینی در آمریکا را ۸۹٬۷۹۳ دلار برآورد می‌کند.
منبع: BLS OOH — Data Scientists (proxy; O*NET 15-2051.02)
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
ICH در ۶ ژانویهٔ ۲۰۲۵ نسخهٔ E6(R3) راهنمای GCP را تصویب کرد. طبق متن آن، بازبینی داده، audit trail و metadata باید برنامه‌ریزی‌شده و مبتنی بر ریسک باشد و پیش از تحویل داده برای تحلیل نهایی، دسترسی ویرایش به ابزارهای ثبت داده محدود شود.
FDA در ژانویهٔ ۲۰۲۵ پیش‌نویس راهنمایی دربارهٔ استفاده از AI برای تولید داده و اطلاعاتی که پشتوانهٔ تصمیم‌گیری نظارتی دربارهٔ دارو هستند منتشر کرد و در آن چارچوبی مبتنی بر ریسک برای سنجش اعتبار مدل AI در هر کاربرد مشخص پیشنهاد داد.
BLS پیش‌بینی می‌کند اشتغال دانشمندان داده در آمریکا از ۲۰۲۵ تا ۲۰۳۵، ۳۵٪ رشد کند. O*NET مدیر داده‌های بالینی را زیرمجموعهٔ همین گروه می‌گذارد، اما رقم جداگانه‌ای برای آن ندارد.
خودکارسازی مستقیماً بخش‌های تکراری این کار را هدف گرفته است. Medidata می‌گوید از طراحی پروتکل تا قفل پایگاه داده AI و خودکارسازی را گنجانده و از کدگذاری خودکار و بازبینی متمرکز نام می‌برد، و eClinical Solutions از بازبینی داده با AI و تبدیل خودکار به SDTM. SCDM هم پیش‌بینی کرده ابزارهای یادگیری ماشین مثل «مدیر دادهٔ مجازی» کنار متخصص کار کنند. به نظر می‌رسد کسی که فقط query می‌فرستد و listing مرور می‌کند آسیب‌پذیرتر است و ارزش بیشتر در طراحی مطالعه، قضاوت دربارهٔ ریسک و سنجیدن خود این ابزارهاست. ریسک دوم جغرافیایی است: بخش زیادی از آگهی‌هایی که دیدیم، به‌ویژه در CROها، در هند، لهستان، آفریقای جنوبی و آمریکای لاتین بود.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۵۱ منبع بررسی شده است.
- Clinical Data Manager — eClinical Solutions, Bangalore (job posting)
- Senior Clinical Data Manager — eClinical Solutions, remote US (job posting)
- Clinical Data Manager (Contract) — eClinical Solutions (job posting)
- Director, Clinical Data Management — eClinical Solutions (job posting)
- Clinical Database Programmer — eClinical Solutions (job posting)
- Senior Manager, Clinical Data Management — Relay Therapeutics (job posting)
- Associate Director, Clinical Data Management — Summit Therapeutics (job posting)
- Sr. Clinical Data Scientist — Summit Therapeutics (job posting)
- Senior Clinical Data Manager — Precision for Medicine, Poland (job posting)
- Senior Director, Clinical Data Management — AbCellera (job posting)
- Associate Specialist, Clinical Data Management — Merck (job posting)
- Clinical Data Manager — ICON (job posting)
- Senior Clinical Data Manager — Fortrea (job posting)
- Senior Clinical Data Scientist — Novartis (job posting)
- Associate Director, Study Data Manager — AstraZeneca (job posting)
- Senior Clinical Data Manager, South Africa (Home-based) - FSP — Parexel (job posting)
- Clinical Database Programmer — Parexel (job posting)
- Clinical Data Risk & Solutions Analyst (Global Monitor) — Labcorp (job posting)
- Senior Associate, Central Monitor, Data Surveillance, Clinical Data Sciences — Pfizer (job posting)
- Associate Director, Clinical Data Management — Revolution Medicines (job posting)
- MedDRA — Welcome to MedDRA
- WHODrug — Uppsala Monitoring Centre
- Clinical Data Coordinator — Alimentiv (job posting)
- Associate Consultant, Entry-Level Clinical Data Technology Consulting — Veeva (job posting)
- Glassdoor — Clinical Data Manager salaries, United States
- Glassdoor — Clinical Data Manager salaries, Canada
- Glassdoor — Clinical Data Manager salaries, United Kingdom
- Glassdoor — Clinical Data Manager Gehälter, Deutschland
- Glassdoor — Clinical Data Manager salaries, Australia
- Glassdoor — Clinical Data Manager salaries, India
- PayScale — Clinical Data Manager salary, United States
- O*NET OnLine — 15-2051.02 Clinical Data Managers
- BLS Occupational Outlook Handbook — Data Scientists
- SCDM — CCDM Certification
- SCDM — Good Clinical Data Management Practices (GCDMP)
- SCDM — Leadership
- SCDM — The Evolution of CDM to Clinical Data Science, Part 1: Drivers (2019, PDF)
- SCDM — The Evolution of CDM into Clinical Data Science, Part 3: Evolution of the CDM Role (2020, PDF)
- CDISC — SDTM
- CDISC — CDASH
- CDISC — ADaM
- ICH E6(R3) Guideline for Good Clinical Practice, adopted 6 Jan 2025 (PDF)
- FDA — Considerations for the Use of AI to Support Regulatory Decision-Making for Drug and Biological Products (draft, Jan 2025)
- eCFR — 21 CFR Part 11, Electronic Records; Electronic Signatures
- Medidata — Data Experience
- Medidata — Rave EDC
- eClinical Solutions — homepage (elluminate)
- Saama announces Dr. Rebecca Kush joining its advisory board (June 2017)
- REDCap — Project REDCap
- TransCelerate — Risk Based Monitoring initiative
- pharmaverse — sdtm.oak