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。