定义、边界与服务类型
真实世界数据是从日常医疗、支付、登记、公共卫生、患者报告、家庭环境、数字健康技术或其他常规活动中取得的健康相关数据;真实世界证据则是针对明确问题,对适用数据按预先说明的方法分析后形成的结论。二者不能混用:一批电子病历、理赔记录或可穿戴设备日志只是数据来源,不因样本量大、来自现实场景或经过算法处理就自动成为可靠证据,也不能替代所有随机试验。
真实世界研究与数据服务可包括问题转化、可行性评估、数据源选择、协议与统计分析计划、伦理和数据使用材料、数据抽取与链接、质量评估、编程分析、结果解释及报告交付。服务方应声明自己是数据持有者、研究发起者、合同研究组织、分析者还是技术平台,并说明是否提供监管申报支持。获得数据访问、完成一份研究报告或得到显著结果,都不等于研究满足某一主管机构的证据要求或产品因此获准。
问题、方案与治理
项目开始时应把业务需求改写成可检验问题,明确目标人群、暴露或干预、比较组、结局、时间范围、估计量和使用情境,并判断描述、诊断、预测、因果、安全监测或卫生服务问题需要何种设计。方案应在查看结果前固定主要与次要目标、纳排标准、索引时点、随访、变量定义、样本量、缺失数据、亚组、敏感性分析和修改规则;探索性分析要清楚标记,不能事后包装成预设验证。
治理应列明发起者、数据控制者和处理者、科学负责人、统计与临床复核、伦理或隐私审查、患者参与、利益冲突及发表权限。研究需按实际法域和用途确定同意、豁免、授权、数据使用协议、跨境传输和登记要求;去标识化可以降低风险但不能宣称风险为零。合同还应处理算法、代码、派生数据、知识产权、再使用、留存、销毁、事故通知和审计,不以“匿名数据”为由绕过适用义务。
数据源盘点与适用性
数据源评估要记录产生目的、覆盖机构和时间、入组机制、人口代表性、更新延迟、编码体系、数据模型、可用字段、链接键、来源系统变化及访问条件。电子病历反映临床记录,理赔更接近计费,登记系统由特定纳入规则形成,患者报告和设备数据又受参与、佩戴及技术条件影响;任何来源都可能漏掉境外或院外诊疗、非报销用药、死亡、社会因素或未记录结局。多源链接要评估匹配错误和选择性链接,不能把同一人的重复记录当成独立样本。
“适合用途”由问题决定,应在取数前检查关键暴露、结局、混杂因素和时间信息能否以足够完整性、准确性、一致性、合理性与时效性获得。可行性计数只能初步估算,正式研究还需验证代码集和表型,抽查原始记录或对照可信参考,并量化缺失、异常、重复、迁移和机构差异。通用数据模型与标准术语有助于复用和多库分析,却不会修复源数据偏倚;映射损失、版本及本地规则都须留痕。
研究设计、偏倚与因果解释
观察性研究尤其要控制选择偏倚、混杂、错误分类、信息偏倚、反向因果和不朽时间偏倚。队列、病例对照、横断面、自身对照、自然实验、务实试验或目标试验模拟应由问题和数据生成过程决定,而不是由现成字段决定。比较效果研究需让资格、治疗分配、索引时点和随访起点对齐,说明因果图或概念模型、混杂因素选择、重叠与阳性、干预一致性和无未测混杂等识别假设。
倾向评分、加权、匹配、标准化、工具变量或机器学习不能凭名称消除偏倚,应报告平衡、重叠、极端权重、模型诊断和估计目标。负对照、定量偏倚分析、替代表型、不同宽限期、缺失机制和未测混杂敏感性分析用于检验结论稳健性,而不是挑选最好看的结果。关联结果应按设计限制解释;预测模型的区分度、校准和外部验证也不自动证明干预会改善健康结局。
数据处理、分析与可复现性
数据管线应保留从源字段、抽取、清洗、单位和时区统一、编码映射、派生变量、冻结数据集到分析表的完整谱系。每次运行记录数据截止日、软件与代码版本、参数、环境、随机种子、质量检查、排除数量和日志,并以最少权限分离开发、生产和发布。多中心分析需预先统一表型与程序,同时保留站点差异;联合或分布式分析还要验证各节点执行成功、输出披露风险和合并方法。
结果报告应给出研究人群流向、基线特征、随访和数据密度、缺失与删失、效应量及不确定性,而不只给显著性。主要、次要、探索和事后结果分别呈现,说明多重比较、亚组异质性、模型变更、协议偏离和无结果分析。独立复核应能从冻结数据与受控代码重现表格和图形;因隐私不能共享个体数据时,仍可提供协议、变量定义、代码表、分析逻辑、合成测试数据和可执行记录。
睡眠数据与数字测量
睡眠真实世界数据可来自门诊与住院记录、多导睡眠监测、家庭睡眠呼吸暂停检测、体动计、消费级穿戴设备、床旁或非接触传感器、应用日志、睡眠日记、患者报告、处方、理赔和环境信息。研究应明确每个信号是原始测量、设备输出还是算法派生值,并锁定设备型号、固件、算法、佩戴位置、采样率、有效夜晚、时区、换日规则和升级日期。同名的“睡眠时长”“觉醒”或“睡眠阶段”在不同系统中未必等价,不能未经验证直接合并。
设备和算法须在目标人群、场景与结局下证明适用性,评价准确度、精密度、失败率、佩戴依从、数据丢失和升级漂移,并考虑年龄、肤色、体型、合并疾病、药物、轮班、共享设备及网络条件带来的差异。消费设备的睡眠分期不应自动视为临床诊断,纵向关联也不能单独证明因果或治疗效果。涉及筛查、诊断、治疗建议或医疗产品监管用途时,需另外满足相应临床、技术和监管证据要求。
交付、透明度与持续监督
交付物应与预定用途匹配,可包括数据资产与差距清单、可行性报告、协议、统计分析计划、伦理和治理包、数据字典、表型与代码集、质量报告、分析代码、结果报告及可审计归档。报告需注明数据覆盖与截止日期、版本、适用人群、估计对象、限制、利益冲突和资助,按适用要求登记研究并及时披露结果。服务方不得出售无法核实来源的数据、选择性隐瞒无效结果,或用“监管级”“全人群”“零偏倚”等标签替代证据。
研究上线后仍应监测数据源、编码、机构流程、设备和算法变化,评估其对可比性、漂移、缺失和结论的影响;重复分析须保留版本关系,不能静默覆盖。访问终止时,应撤销凭据、回收副本、按协议留存或销毁数据,并移交未决事项和审计记录。高质量服务的标志是问题明确、数据适用、设计可辩护、分析可复现、隐私受保护和限制透明,而不是数据规模、处理速度或统计显著性的数量。