本文内容来自《中华流行病学杂志》2019年第40卷第10期，作者为黄丽红 , 魏永越 , 陈峰教授，原题目为《如何控制观察性疗效比较研究中的混杂因素：（一）已测量混杂因素的统计学分析方法》。感谢作者的授权。

过去70年里，随机对照试验（randomized controlled trial, RCT）一直被誉为临床疗效评估的金标准，但随机对照试验通过一系列入选 / 排除标准选取同质性较好、试验风险较低、容易显示疗效的特定样本，与实际临床实践有一定差距，无法推断在存在并发症、伴随治疗等更普遍情况下的风险和效益，无法确定其在临床实践中的可推广性。故在较为理想状态下开展的随机对照试验所得的证据，与临床实践并不完全契合，而观察性疗效比较研究（comparative efectiveness research，CER）是一种有益的补充。

观察性 CER 由美国卫生保健研究和质量管理署（Agency for Healthcare Research and Quality）2009年提出，用于系统研究预防、诊断、治疗和监测健康状况的不同干预措施、防治策略等在现实世界中的效果，属非随机对照研究。从医疗大环境看，医疗信息技术的普及和医疗大数据的构建给观察性 CER 提供了前所未有的机遇。美国食品药品监督管理局（Food and Drug Administration，FDA）正在积极推进使用现实世界证据支持药物监管决策的举措，2018年12月发布了《现实世界证据方案的框架》（Framework for FDA' s real-world evidence program)。

最理想的办法是在研究设计时就对混杂因素进行控制，例如通过随机分组的方法，从源头上控制混杂的影响。但在非随机对照研究中难以做到，此时可采用限制入组条件、分层、配对等方法，避免或减少混杂因素的影响。