在随机对照试验（RCT）中，随机化保证了研究对象的各项基线特征（例如年龄、性别、疾病严重程度、伴随疾病等能够影响疾病预后的因素）在试验组和对照组之间的均衡性。

然而，RCT研究并非总是可行。

第一，对于需要很长时间的干预和随访来观察长期效应的研究，或者需要大量样本来观察罕见严重不良事件的研究，RCT并不是最理想的，因为它十分昂贵且需要耗费大量资源，实施起来也非常困难；

第二，当研究的干预措施具有一定风险时，随机分组则可能无法满足伦理要求，不能将患者随机分配到具有一定风险的干预组中。

针对这些情况，观察性研究可以提供更好的证据来源。实际上，越来越多设计规范的观察性研究被广泛应用到疗效比较中，甚至有学者认为观察性研究能够解决RCT在人群普遍适用性上的缺陷，从而提供最接近真实世界的疗效评价结果。

然而，在真实世界中，治疗方案的选择往往是根据可能影响患者预后的因素来确定的，而这些影响因素在暴露/处理组和非暴露/对照组的人群中常常分布并不均衡，这就导致观察性研究的结果可能会产生一定的偏倚。

为了克服预后因素分布的不均衡性，保证观察性研究结果的真实性和可靠性，我们可以从统计学的角度来对其进行调整和处理，常用的统计学方法包括分层分析(Stratified Analysis)、多因素调整分析(Multivariable risk adjustment)、倾向性评分分析(Propensity Score Analysis，PSA)、工具变量分析(Instrumnental Variable Analysis，IVA)等等。

我们将通过一系列的文章，针对观察性研究控制混杂因素的方法一一向大家介绍。