条文本

下载PDF

为了更好地理解现实世界的证据
免费的
  1. 刘美123.
  2. 雅娜气123.
  3. 文王123.
  4. 新太阳123.
  1. 1中国循证医学中心四川大学华西医院成都,中国
  2. 2国家海洋局海南省真实世界数据研究与评价重点实验室成都,中国
  3. 3.四川省真实世界数据技术创新中心成都,中国
  1. 对应到四川大学孙欣教授,四川成都610041;sunxin在}{wchscu.cn

摘要

背景近年来,人们对真实世界的证据(RWE)很感兴趣。RWE通常由来自常规医疗保健的数据生成,如电子医疗保健记录和疾病登记。尽管RWE有很多优势,但它经常存在各种各样的偏见,这可能会扭曲结果。适当的理解和解释对于在医疗保健决策中最佳地使用RWE至关重要。

方法在文献综述和实证研究经验的基础上,我们总结了RWE的概念和方法框架,并详细讨论了常规收集的医疗保健数据和使用这些数据的观察性研究的具体方法问题。

结果RWE是从现实环境中产生的一系列数据中衍生出来的,使用了两种广泛的研究设计,包括观察性研究和实用临床试验。现实世界的数据通常可以通过日常实践收集,有时也可以出于研究目的积极收集。使用常规收集数据(RCD)的观察性研究是RWE最常见的类型,尽管它们容易产生偏差。在规划和实施RWE研究时,需要采取一致的工作步骤,包括定义清晰和可回答的研究问题、发展研究团队、选择适合目的的数据源、选择最先进的研究设计、建立具有透明数据处理的数据库、执行多重统计分析以控制偏差,以及根据既定指导方针报告结果。

结论莱茵集团多年来一直在增长。对这些证据的适当解释和使用通常保证对方法论有充分的理解。研究人员和政策制定者在生成和解释RWE时应该意识到方法论上的缺陷。

  • 循证医学
  • 实践指南
  • 实践指南作为主题
  • 研究设计
  • 安全

数据可用性声明

没有相关数据。不适用。

来自Altmetric.com的统计

请求的权限

如果您希望重用这篇文章的任何部分或全部,请使用下面的链接,它将带您访问版权清除中心的RightsLink服务。您将能够快速获得价格和以多种不同方式重用内容的即时许可。

近年来,现实世界证据(RWE)的概念已被广泛接受。特别是,随着《21世纪治疗法案》在美国的发布,研究人员和政策制定者对RWE的兴趣大增。1RWE可能有广泛的应用,例如了解治疗模式,告知弱势群体的治疗结果,以及在现实实践中评估治疗效果。

然而,关于RWE是什么以及应该如何解释证据,误解或混淆仍然很普遍。例如,关于RWE的一个常见误解是,它只能使用来自常规临床护理的数据生成,而不涉及通过预定义的协议收集新的数据。2另一个常见的误解是RWE仅仅是指观察研究产生的证据。3.

实际上,RWE的方法论框架比经典的临床试验要复杂得多。缺乏强大的方法和统计专业知识有时可能导致数据处理不当,从而产生不可靠甚至不正确的结论。3.因此,更好地理解关于RWE的概念和方法问题非常重要。

现实世界证据的概念框架

术语“现实世界证据”通常指的是关于医疗产品在特定人群或亚群体中的使用(如治疗模式或依从性)、益处和危害的临床证据。证据通常来自经典临床试验之外的医疗保健数据分析。2

用于生成RWE的数据源通常有两种主要形式,包括常规收集的医疗保健数据(RCD)和在常规临床实践设置中主动收集的医疗保健数据。4RCD通常是出于非研究目的的日常实践产生的,如电子病历、索赔数据和健康监测数据,而积极收集的医疗保健数据通常是出于某些研究目的收集的。这两种形式的数据是现实世界数据的重要来源,它们的共同特征是数据来自常规的临床实践。

RWE来自于对真实世界数据的分析,并且在许多情况下是基于观察研究设计。然而,由于医疗保健设置、数据和设计的观察性质的复杂性,此类研究容易产生偏差。研究人员和证据使用者都必须对使用真实世界数据的观察性研究高度谨慎。值得注意的是,RWE并不等同于观察性研究。一项介入研究也可以用来产生RWE,这样的设计就是一个实用的临床试验。3个5当迫切需要对异质人群的治疗效果,在常规实践中大部分不知道最佳治疗方法,或医疗需求(通常是与患者福利有关的医疗需求)没有得到充分满足时,该研究设计通常被优先考虑。6在本文中,我们专门讨论了使用真实世界数据的观察性研究的问题,特别是常规收集的医疗保健数据。

关于数据源的问题:关注常规收集的数据

常规收集的医疗保健数据代表了最常见的现实世界数据类型。由于这些数据通常是在常规医疗保健中收集的,没有先验的研究目的,因此它们的质量和适用性通常是方法方面的问题。7 8

RCD的质量可以从完整性和准确性两个维度进行评价。9完整性是指从研究的角度来看,数据缺失的程度。例如,虽然有关吸烟的信息对许多流行病学研究很重要,但在日常实践中,这些信息往往没有记录。10在RCD中,数据丢失是不可避免的。然而,了解重要变量在RCD中缺失的程度和它们缺失的潜在原因通常是需要的。另一个重要的方面是准确性。电子医疗记录中的信息,如疾病代码或数值,有时可能记录不准确。此外,潜在的原因可能各不相同。11在将RCD应用于研究目的时,经常需要对数据进行验证,也经常需要人工检查。12

人们还应该评估数据的相关性。在RWE生成过程中,数据的选择总是要根据预先确定的研究目的来进行。13例如,索赔数据可能更适合于关于卫生经济学和治疗模式的研究;然而,它们可能无法提供患者特征、实验室结果或临床终点方面的充分信息,而这些对于评估治疗效果的研究至关重要。14在另一个例子中,自发不良事件报告数据库通常可用于检测不良事件信号或生成假设,但对检验药物不良反应假设的相关性有限。在第三个例子中,电子健康记录包含丰富的临床信息,如手术、成像和实验室结果。它们是回答从疾病负担到预后等广泛临床问题的有用数据来源,但缺乏定期随访。7

为了加强对真实世界数据的利用,一些指导性文件很容易获得,它们讨论了药物流行病学研究的数据来源的关键问题。15 - 17日

使用常规收集数据的观察性研究

观察性研究是使用常规收集的数据最常见的方法。在规划和实施这类研究时,可采用一套通用的研究流程(图1).

图1

使用常规收集的数据进行观察性研究的示意图流程。

研究问题,研究规划与设计

在使用RCD的观察性研究中,最初的步骤是指定一个清晰和可回答的研究问题,该问题包含关键组成部分,包括人口、暴露、比较国(如果适用)、结果和时间。通常会建立一个多学科团队,负责研究的规划、设计和实施。在研究计划中,研究团队需要确定潜在的数据来源,并确定数据的适当性。数据的适当性往往因研究问题而异。然而,通常可以从代表性、数据规模、可用性、关键研究变量的完整性和准确性以及数据库覆盖的持续时间等维度来评估。18

在使用RCD的观察性研究中,研究设计可能是高度可变的,通常是回顾性的。回顾性队列研究、病例对照研究或嵌套病例对照研究是评估药物治疗效果最常用的流行病学设计。然而,这些设计往往存在选择偏差和测量偏差,这两种偏差都可能扭曲药物治疗效果的估计,甚至翻转效果的方向。在使用RCD的研究中发现了多种形式的选择偏差,19指征偏差是最常见的选择偏差之一,值得高度关注。20.另一种常见的偏倚是时间依赖性偏倚,如不朽时间偏倚和时滞偏倚,这可能源于对暴露组的时间框架定义错误(例如,在开始随访和不恰当地分配给暴露组的治疗之间的等待时间)。21有大量的文献讨论了不同形式的选择偏差22 - 24感兴趣的研究人员可能会发现它们有助于设计他们的研究。一般来说,新用户设计、treatment-naïve新用户设计或主动比较器通常是解决这些重要偏差的理想策略。25日26日新的用户设计使暴露组和比较组在同一启动时间对齐,而活动比较组可以限制具有相同适应症的参与者。

从RCD开发研究数据集

在完成研究规划和设计后,应建立研究数据集。由于RCD的收集是出于管理目的,它们不能以原始形式用于观察性研究。因此,有必要将数据转换为统一的结构化格式。将RCD转换为研究数据集可能包括多个运行步骤,如数据链接、自由文本的结构化和变量标签。

额外的数据清理也是构建研究数据集的必要部分。这个过程通常包括建立变量字典,处理特殊数据(例如,极值、异常值、缺失值和矛盾数据)。值得注意的是,应保留原始数据、详细的清理规则和数据处理程序,以确保研究的透明度。

使用RCD的一个具体问题是如何构建操作表型分型算法——使用诊断代码、临床标记或人口统计学特征的计算机可执行定义——来识别研究变量(包括暴露、结果和协变量)。27研究变量的这些代码或算法的有效性或可靠性是至关重要的。

统计分析

观察性研究中的统计分析应注意控制混杂因素。混杂在观察性研究中非常常见,在使用RCD评估药物治疗效果时可能存在多种类型的混杂,如时间依赖性混杂和不可测混杂。这些问题往往会扭曲估计的治疗效果。19 20 - 30研究人员开发了各种方法来解决混淆问题,如多变量模型、倾向得分分析和工具变量分析。33节在分析RCD时使用复杂的统计方法已有指导。34

鉴于观察性研究的这些方法上的挑战,监管决策者和学术专家都致力于开发使用RCD的观察性研究的方法指南。13 15 25 35-39人们总是建议研究人员为任何研究制定一个研究方案。25

报告

完整和透明的报告对于评估研究结果的信度和效度至关重要。然而,使用RCD的观察性研究的报告质量通常是次优的,40特别是在研究问题、数据来源类型、时间框架、研究设计和统计模型的详细说明方面。40 41已经制定了一些指南来加强报告,如加强流行病学观察性研究报告(STROBE),42使用观察性常规收集数据(RECORD)声明进行的研究报告,43及其对药物流行病学研究的延伸(RECORD-PE)。44感兴趣的研究人员在报告他们的研究时应该经常参考这些指南。

结论

在本文中,我们提供了RWE的概念和关键方法问题的快照。对于研究人员来说,真实世界的数据为解决各种问题提供了重要的数据来源。然而,可能存在重要的方法上的挑战,仔细规划、执行和报告这类研究是非常可取的。RWE的使用者在解释这类研究的发现时也应谨慎,并应始终意识到潜在的方法论陷阱。

这篇论文补充了什么

关于这个问题,我们已经知道了什么

  • 美国《21世纪治疗法案》的发布加速了人们对现实世界证据(RWE)的兴趣,特别是在医疗保健研究人员和政策制定者之间。

  • 对RWE的误解和方法知识的缺乏是常见的。

这项研究补充了什么

  • 本文总结了RWE的概念框架,并提出了一个研究流程,以帮助理解和实施RWE研究。

  • 本文概述了RWE固有的缺陷,特别是那些使用常规收集的医疗保健数据的观察性研究,并提供了关于报告的指导文件的参考。

数据可用性声明

没有相关数据。不适用。

伦理语句

病人同意发表

参考文献

脚注

  • EAHP声明6:教育和研究。

  • 贡献者范本:XS。写作——初稿:ML。写作——审稿和编辑:XS, ML, YQ, WW。XS是保证人,对整个内容负责。

  • 资金本研究得到四川省青年科技创新研究团队(批准号:2020JDTD0015)、四川大学华西医院1.3.5优秀学科项目(批准号:2020JDTD0015)的资助。ZYYC08003)、中华医学基金会(批准号;cmb19 - 324)。

  • 相互竞争的利益没有宣布。

  • 来源和同行评审委托;内部同行评议。

相关的文章