本文译自:Stürmer T, Wang T, Golightly YM, Keil A, Lund JL, Jonsson Funk M. Methodological considerations when analysing and interpreting real-world data. Rheumatology. 2020;59(1):14–25.
译者:张云静(感谢译者的分享)
摘要:由于缺少随机对照试验的相关数据,非实验性研究常被用于估计结局有临床意义的治疗效果。在利用大型医疗数据库(如索赔数据、电子健康记录以及医疗产品/疾病登记等)时,采用最先进的研究设计是最大限度减少偏倚的重要保证 。
较为关键的设计环节包括反映目标干预和清晰时间线的新用药者(在治疗开始时随访)、活性药物对照组(比较相同适应症的治疗替代方案)以及对诱导期和潜伏期的考量。倾向性评分可用来对不同治疗方案间的协变量进行平衡,以控制测量混杂。在治疗组之间统一定义治疗开始和随访的时间点,可避免永恒时间偏倚。
本文旨在为研究设计层面的问题及其对策展开非技术层面的概述,同时强调研究设计的重要性,以最大限度减少使用真实世界数据开展非实验研究时产生的偏倚。
1. 背景
根据美国食品药品监督管理局(Food & Drug Administration, FDA)的最新定义,真实世界数据指“与患者健康状况相关,和/或从多种来源定期收集的医疗卫生服务数据”。
原始数据是基于研究目的,遵循预先指定的研究方案,应用强效措施来监控数据质量并确保全面的随访而收集的,例如诺福克关节炎登记中心(Norfolk Arthritis Register, NOAR)的数据评估了20年内患者的早期治疗与疾病进展之间的关联。
相比之下,二次健康数据是已存在的且并非为研究目的(包括管理目的)而收集的数据,如美国的Medicare等保险索赔数据,或是最初用于另一项研究的数据。这种医疗卫生数据库通常规模庞大,并且能够代表人群。
FDA将真实世界证据定义为“通过分析真实世界数据得出的、关于医疗产品使用及其潜在益处或风险的临床证据”。真实世界证据可提供关于医疗产品有效性及安全性的重要信息,并为患者护理和治疗开发提供证据。然而,若缺乏合理的方法学处理,真实世界证据可能导致有纰漏的结论。因此,我们接下来将讨论在分析和解释真实世界数据时重要的方法学考量。
确认删除