目录
1.背景
2.真实世界研究的定义
3.真实世界研究的特点
4.真实世界研究的重要性
5.真实世界研究的与临床试验的区别
6.实施步骤及注意事项
正文
1.背景
李医生是一位在大城市一家知名医院工作的心脏病专家。她的研究兴趣主要集中在一种名为"X心脏病"的疾病上，这是一种相对较新且治疗方式多样的疾病。由于这种疾病的复杂性和多样性，李医生一直渴望开展一项前瞻性的临床试验，以比较不同治疗方法的效果。然而，由于临床试验的高昂费用和繁重的行政程序，这个计划一直没有得以实施。
一天下午，李医生在查看她的患者电子病历时，她注意到她的医院已经积累了大量的X心脏病患者的治疗数据。这些数据包括了患者的基本信息、疾病严重程度、使用的药物、剂量、治疗持续时间，以及治疗后的结果等信息。突然间，李医生意识到，她手头可能已经有了一份宝贵的资源，可以用来开展她梦寐以求的研究。
然而，李医生也知道，使用真实世界数据进行研究与传统的临床试验有很大的不同。真实世界数据的复杂性、质量问题、可能的偏倚，以及需要的统计方法等都是她需要深入学习的内容。
于是，李医生咨询了研淳团队，开始了她的学习之旅。她阅读了大量资料并在指导老师的陪伴式指导下，深入理解了真实世界研究的概念、特点、优点和局限性，以及如何处理真实世界数据的质量问题和偏倚等。
在学习的过程中，李医生开始设计她的研究。她选择了合适的统计方法，对数据进行了清洗和质量控制，处理了可能的偏倚，最终完成了她的研究，并发表在了一份知名的医学SCI杂志上。这项研究不仅提高了新型心脏病的治疗效果，还为李医生赢得了她的医院和同行的赞誉。
这个故事展示了真实世界研究的价值和影响力。虽然真实世界研究面临着诸多挑战，如数据质量、选择偏倚、混淆偏倚等问题，但如果我们能够有效地解决这些问题，就可以利用真实世界数据进行有意义的临床研究。
下面我就带领大家深入了解临床中的“真实世界研究”，去探一探究竟。
2.真实世界研究的定义
真实世界研究（Real-World Research，RWR）是一种临床研究方法，它依据真实世界环境中获取的数据进行分析研究。这种数据通常来自电子病历、保险索赔、病例报告、患者调查、公开数据集等。
3.真实世界研究的特点
真实世界研究的主要特点是大样本、多变量、长期追踪等。因为它基于真实世界的数据，所以更能反映实际情况，比如疾病的自然历程、治疗的长期效果、药物在特定人群中的效果等。
4.真实世界研究的重要性
真实世界研究对于临床决策具有重要的参考价值。比如，它可以帮助医生了解某种药物在特定人群中的效果，或者是比较不同的治疗方案的优劣等。另外，真实世界研究也可以为药品的研发提供有价值的信息，比如可以发现新的药物副作用、药物相互作用等。
5.真实世界研究的与临床试验的区别
真实世界研究与随机对照试验（Randomized Controlled Trials，RCT）等传统的临床研究方法有很大的不同。比如，RCT通常在严格控制的条件下进行，包括严格选择的研究对象、固定的治疗方案等。而真实世界研究则是基于真实的临床环境，不受这些限制。所以，真实世界研究的结果更能反映实际情况，但是因为没有严格的控制，可能会受到更多的干扰因素。
案例说明：
案例一：复杂合并症患者的药物疗效：一项真实世界研究分析了数千名患有2型糖尿病的患者的电子病历，发现某种药物在高血压、心脏病等合并症的患者中的效果比在其他人群中更好。这个发现可能在RCT中难以发现，因为RCT通常会排除有复杂合并症的患者。这就是真实世界研究的一个重要应用，即可以在真实的临床环境中发现新的知识，为临床决策提供有价值的参考。
案例二：药物副作用的发现：在一项真实世界研究中，研究者利用电子病历系统中的数百万条患者数据，发现了一种抗抑郁药物与一种常见的心脏疾病之间的潜在关联。虽然在临床试验中，这种副作用并未被观察到，但在真实世界的大规模数据中，这种关联成为了显著的信号。这项发现促使了对该药物使用指南的重新评估，降低了患者的风险。
案例三：治疗策略的优化：在另一项真实世界研究中，研究者对比了两种不同的治疗策略对于乳腺癌患者生存率的影响。这两种策略在临床试验中表现相似，但在真实世界数据中，一种策略的生存率明显高于另一种。这项研究改变了临床实践，帮助更多的患者获得了更好的治疗效果。
上面这些在临床试验中可能难以观察到的现象，在真实世界的大数据中可以得到反映，对临床决策有重要的指导价值。
6.实施步骤及注意事项
看起来真实世界研究有很多好处，那么在开展真实世界研究过程中，需要特别注意哪些方面呢？
我们先来看一个案例中的正确做法，然后再带领大家学习其中的方法步骤。
我们即将开展一项研究，分析某种药物在糖尿病患者中的效果。首先，我们需要获得足够的、质量可靠的病历数据，然后进行数据清洗和质量控制。然后，我们需要注意可能存在的数据偏倚，比如这种药物可能更常用于病情严重的患者。我们可以使用倾向得分匹配等方法来控制这种偏倚。然后，我们需要选择合适的统计方法来分析药物的效果，比如使用回归分析来控制其他影响因素。最后，我们需要确保研究遵循伦理规定，保护患者的隐私和权益。
6.1 数据清洗和质量控制
因为真实世界数据通常来源于电子病历、保险索赔、病例报告等，所以数据的质量可能会有所不同。例如，电子病历中的数据可能存在记录错误、遗漏或者不一致等问题。因此，开展真实世界研究之前，需要先进行数据清洗和质量控制。
数据清洗和质量控制是数据分析的重要环节。以下是几个关键步骤：
（1）数据清理：数据清理是处理和修改数据的过程，以消除错误、不一致性和重复。这可能包括修复拼写错误、统一数据格式、处理缺失值等。例如，日期可能在一些记录中被记录为"MM-DD-YYYY"，而在其他记录中被记录为"YYYY/MM/DD"。在这种情况下，你需要将所有的日期统一到同一种格式。
（2）处理缺失值：在真实世界数据中，缺失值是常见的问题。处理缺失值的策略可能根据具体情况而变化，比如可以将缺失值删除，也可以用平均值、中位数、最近邻插补、多重插补等方法进行填充。需要注意的是，处理缺失值的方法可能会影响到研究的结果，所以需要谨慎选择。
（3）异常值检测：在数据清理过程中，检测和处理异常值也是很重要的。异常值可能是由输入错误、设备错误等原因造成的，也可能是真实的极端值。异常值可能会影响到数据的分析结果，所以需要进行检测和处理。检测方法主要有Z-得分法（正态分布数据）、IQR法（非正态分布数据）、DBSCAN聚类（基于密度的聚类算法）、孤立森林（特别适合高维数据）等。处理异常值的方法可以包括删除、替换、或者用统计模型进行处理。
（4）数据一致性检查：数据一致性是指数据的逻辑关系是否正确。比如，一个人的出生日期不能晚于他的死亡日期。在数据清洗过程中，需要检查数据的一致性，并修复不一致的数据。
（5）数据验证：在数据清洗之后，需要进行数据验证，以确认数据是否正确。这可能包括对比原始数据、使用统计方法进行检查等。
以上就是数据清洗和质量控制的一些基本步骤。需要注意的是，这个过程可能需要重复多次，直到数据的质量满足研究的要求。此外，我们还需要强有力的数据管理软件对数据进行高效管理和可视化分析，这里研淳团队推荐的是美国疾病控制与预防中心开发的一套免费软件工具，特别适合于公共卫生专业人员使用，名字叫Epi Info。
6.2 数据偏倚
在真实世界研究中，数据的收集不是随机的，所以可能存在选择偏倚、回忆偏倚、混淆偏倚等问题。比如，某种药物可能更常用于老年人或者有其他健康问题的患者，这就可能导致这种药物看起来的效果比实际要差。为了解决这个问题，研究者可以使用统计方法来控制混淆因素，比如倾向得分匹配、分层、限制、多元回归等。
6.3 统计方法
真实世界研究通常涉及到大量的数据和复杂的关系，所以需要使用合适的统计方法。比如，如果想要研究某个因素的影响，可能需要使用方差分析、回归分析、生存分析等方法。如果是大数据还可以考虑采用深度学习等智能算法模型。
6.4 遵循伦理规定
虽然真实世界研究通常基于已有的匿名化数据，但仍然需要遵循伦理规定，保护患者的隐私和权益。在某些情况下，可能还需要得到伦理委员会的审查和批准。
以上我们简要概括了真实世界研究的实施步骤。如果想深入到细节的学习，请观看我们团队的其他产品。
