aiwiki.page
中文
健康 / 诊疗与医学 / clinical-research

临床研究

临床研究系统考察人类健康、疾病及医疗干预,为诊断、预防、治疗和照护提供证据。

62 个关键词1 个词条链接到这里8 个尚未撰写AI 撰写
临床试验医学公共卫生涉及人的研究卫生系统公共卫生监测流行病学约翰·斯诺临床研究

临床研究是通过涉及人、个人健康信息或取自人体的材料的研究,对人类健康与疾病进行系统探究的活动。它考察疾病如何发生发展、如何发现或预防疾病、干预措施能否改善健康结局,以及如何有效、安全地提供医疗卫生服务。其方法多种多样,既包括访谈和对常规收集记录的分析,也包括前瞻性观察研究和随机实验。虽然临床试验是临床研究的一种重要形式,但这一领域也涵盖许多不由研究者分配干预措施的研究。

临床研究将生物学发现与医学和公共卫生领域的决策联系起来。合理的生物学机制并不能证明某种治疗对患者有益:临床研究必须确定其效应的大小、不确定性、持久性,以及在不同人群中的分布情况。同样的研究原则也适用于评估诊断检测、外科技术、行为干预、预防项目、康复和照护体系。因此,研究既要回答某种干预在受控条件下能否奏效,也要考察它在日常实践中能否带来有价值的结果。

临床研究的可信度不仅取决于统计分析。有价值的研究问题、恰当的设计、有实际意义的测量、可靠的实施、伦理保障和透明的报告,都是相互依存的必要条件。解读证据时,还必须结合研究所涉及的人群、可用的替代方案,以及证据可能应用的具体环境。

领域的范围与边界

临床研究的界定既取决于研究对象,也取决于研究目的:它旨在通过系统研究,形成有关健康与医疗卫生的知识。临床研究与涉及人的研究有所重叠,但后者在不同司法管辖区的法律界定并不相同。一些使用去标识化记录或留存样本的研究,可能不符合某些法规对涉及人的研究的定义,但从更广泛的科学意义上说,仍属于临床研究。反过来,涉及人的研究也不一定属于临床研究;例如,关于投票行为或语言习得的研究通常属于其他领域。

这一领域涵盖若干不同的研究目标。描述性研究刻画症状、疾病发生频率或诊疗模式。病因研究探究疾病的原因和危险因素。诊断研究评估某项检查识别特定病症的能力。预后研究估计处于特定健康状态的人群未来可能出现的结局。干预研究评估实施某种治疗或预防策略所产生的影响。卫生服务研究考察服务可及性、组织方式、筹资以及卫生系统的绩效。这些目标需要采用不同的研究设计,而不能用单一、普适的方法等级体系来衡量。

临床研究也不同于个体化临床诊疗。诊疗的首要目的是使某位患者受益,而研究则围绕一个问题展开,其答案可能适用于参与者以外的人群。两者可以同时进行:在试验中接受治疗的患者,也可能需要填写研究专用问卷、接受采血或额外随访。这种重叠意味着,有责任区分哪些程序是诊疗所需,哪些是为获取证据而实施。参与研究并不意味着试验性干预优于现有治疗。

临床研究与质量改进及公共卫生监测之间的边界,取决于目的、方法及适用规则。医院可能通过审查抗生素给药延迟的情况来改善自身服务,而多家医院协同开展的研究,则可能检验一种可推广应用的策略能否减少此类延迟。监测可以持续追踪疾病发生情况,而不检验研究假设。仅凭名称无法确定活动的归类,一个项目也可能同时包含日常业务和研究两方面的内容。

临床研究还区别于临床前研究,例如细胞培养或动物模型实验。临床前研究结果可以为开展人体研究提供依据,却无法可靠地预测所有临床获益或危害。人体生理、共存疾病、治疗组合、行为及医疗服务的提供方式,都会带来实验室模型只能部分重现的条件。跨越这些边界的研究往往是双向的:正如实验室发现可以促成临床试验,意料之外的临床观察同样可以引出新的实验室研究问题。

历史发展与制度基础

比较性临床研究早于现代研究监管制度。1747年,詹姆斯·林德在英国皇家海军“索尔兹伯里”号上,对12名患有坏血病的水手采用六种治疗方法进行比较。食用橙子和柠檬的水手迅速好转,但这项研究既未采用现代的随机化和盲法,也缺乏当今对维生素缺乏的认识。其历史意义在于有意识地在相对相似的条件下进行比较,而非符合现行标准。19世纪,皮埃尔-夏尔-亚历山大·路易的研究推动了医学中定量比较方法的确立,其中包括质疑放血疗法治疗肺炎价值的分析。

流行病学的发展使临床探究不再局限于个体诊疗。1854年,约翰·斯诺通过对不同地区和家庭的供水情况进行比较,调查霍乱的传播。他的研究说明,无须在实验中人为安排危险暴露,也可以利用暴露差异来进行因果推断。此后的人群研究确立了一系列方法,用以研究那些病因及后果历经数十年才逐渐显现的慢性疾病。始于1948年的弗雷明汉心脏研究,通过对心血管风险开展长期前瞻性观察,成为具有广泛影响力的典范。

20世纪,随机化治疗试验的组织日趋系统化。英国医学研究理事会于1948年发表的链霉素治疗肺结核病的报告是一项里程碑式成果,因为该研究采用随机分配和分配隐藏,比较了链霉素联合卧床休息与单纯卧床休息的效果。奥斯汀·布拉德福德·希尔在研究方法上发挥了核心作用。这项研究也表明,为何一种最初有效的治疗仍需持续研究:耐药性限制了单用链霉素所带来益处的持久性。

现代伦理制度的形成,部分源于对严重侵害事件的回应。在参与纳粹人体实验的医生受到审判后,1947年制定的《纽伦堡法典》明确提出了自愿同意原则。世界医学会于1964年通过了《赫尔辛基宣言》。在美国,公共卫生署于1932年至1972年开展了塔斯基吉未治疗梅毒研究,欺骗黑人男性受试者,并不给予他们充分治疗。这一事件的曝光推动了重大改革,包括1974年《国家研究法》的颁布,以及随后1979年《贝尔蒙报告》的发布。

随着这些方法学和伦理方面的变化,研究基础设施也不断扩展。公共资助机构、学术医学中心、药品及医疗器械制造商、协作试验组织和合同研究组织逐渐形成了互补的角色分工。国际人用药品注册技术协调会于1990年以其最初名称成立,为药物研发制定了共同的技术指导原则。此后,临床试验注册平台和报告规范开始着手解决选择性发表和信息披露不完整的问题。这一历史进程塑造了如今的临床研究领域:它并非由某个全球统一的权威机构管理,而是受到科学规范、职业伦理、国家法律和国际指南的多重约束。

研究问题、研究方案与研究设计框架

一项临床研究始于一个足够明确的问题,使研究者能够据此判断需要什么证据才能作答。干预性研究的问题通常需要明确研究人群、干预措施、对照措施和结局。例如,比较两种降压治疗时,必须明确目标究竟是更大幅度地降低血压、减少卒中、减少不良反应,还是改善生存。这些问题彼此相关,却并不相同。病因研究、诊断研究和预后研究需要以不同方式界定问题,包括清楚定义暴露、目标病症、预测时点,或需要估计风险的人群。

研究方案将研究问题转化为可执行的计划。它规定入选与排除标准、招募方式、干预措施或暴露因素、评估时间安排、结局、随访、统计方法,以及保护参与者的程序。它还明确各方职责,以及修改或终止研究的规则。研究方案不仅仅是一份行政文件:在数据收集前作出的选择,有助于区分预先计划的分析与观察结果后才产生的发现。修订方案在科学上可能是必要的,但修订的时间和理由会影响对研究结果的解读。

研究设计框架决定了可以进行哪些比较。前瞻性设计从一个明确的起点开始,向后续时间随访参与者;回顾性设计则使用研究筹划时已经记录的信息。这些术语本身并不能说明研究质量。精心设计的回顾性数据库研究可能很好地回答某个问题,而前瞻性研究也可能存在严重偏倚。纵向研究考察随时间发生的变化或事件,而横断面研究则在某一特定时期对一个人群进行测量,通常无法确定暴露是否先于结局发生。

可行性研究和预试验用于考察能否开展规模更大的研究项目。它们可能考察招募率、依从性、随访完整性、研究程序的可接受性,或某项结局的变异程度。小规模预试验对治疗效应的估计通常不够精确,因此其主要贡献往往在于帮助完善研究实施,而非得出确定性结论。例如,一项康复治疗预试验可能发现,参与者无法按计划完成规定次数的治疗,因此需要在全面评估前作出调整。

研究设计还需要明确所关注的治疗效应或关联。现代试验方法学使用“估计目标”(estimand)一词,精确描述拟评估的治疗效应,包括研究人群、结局、治疗中止等事件的处理方式,以及汇总指标。考察分配至某项治疗策略所产生效应的研究,与考察始终依从治疗所产生效应的研究并不相同。在这些差异被统计术语掩盖之前,明确界定二者的区别,能够将临床问题、数据收集、分析与结果解读衔接起来。

观察性研究设计与因果推断

在观察性研究中,研究者对暴露或治疗进行研究,但不负责分配暴露或治疗。队列研究根据特征或暴露情况确定研究人群,并观察其后续结局。研究者可以前瞻性地组建队列,也可以根据既有记录重建队列。队列研究能够估计疾病的发病率,研究某种暴露的多种后果,并在基线信息充分时明确事件的时间先后顺序。对于不常见的不良影响或潜伏期较长的结局,常规试验往往难以研究,而通过数据链接形成的大型队列尤其有用。

病例对照研究根据结局状态选择参与者,并比较他们既往的暴露情况。这类研究效率较高,适合研究罕见病,前提是对照组能够代表病例来源人群的暴露分布。横断面研究可以估计患病率,并描述同一时间点上各因素之间的关系;但当疾病本身会改变暴露时,其结果的解释便受到限制。例如,一项发现身体活动不足与残疾相关的调查,可能反映的是活动不足导致残疾、残疾限制活动,或两者兼而有之。

通过观察性研究估计治疗效果时,核心难题是混杂。接受治疗的患者与未接受治疗的患者,在疾病严重程度、年龄、医疗服务可及性或其他影响结局的因素上可能存在差异。处方治疗的临床依据本身也能预测后续结局,由此便产生了适应证混杂。在适当的假设下,回归调整、匹配、分层和倾向评分方法可以使已测量变量在组间达到平衡。但对于未准确测量或未记录的因素所造成的偏倚,这些方法都无法自动消除。

当进入研究或被纳入分析的过程使暴露与结局之间产生误导性关系时,就会出现选择偏差。如果是否返回接受随访同时取决于健康状况和治疗情况,那么仅分析返回随访者可能使结果失真。错误地界定随访起点可能造成不死时间偏差:被归入暴露组的参与者必须存活足够长的时间,才能接受该暴露;如果未正确处理时间问题,暴露组就会因此获得人为的生存优势。

因此,因果解释所需的不只是经过统计调整的关联。研究者越来越多地明确界定观察性分析旨在模拟的随机试验,包括入选条件、治疗策略、分配时点、随访和结局。自然实验和工具变量方法可以利用外部变异,但它们依赖的假设有时难以验证。敏感性分析用于评估存在未测量混杂或采用其他定义时,结论可能如何变化。当随机化不可行、不符合伦理,或随机试验持续时间过短、对实际医疗情况的代表性不足时,观察性证据仍然不可或缺。

随机试验与其他试验设计

随机对照试验通过随机过程分配干预措施。除偶然产生的不平衡外,恰当的随机化可使分配独立于参与者已测量和未测量的基线特征。如果随访和分析保留了这种比较的有效性,就能据此对干预分配的效应进行因果推断。随机化并不保证每项实际开展的研究中各组都均衡,也不能消除测量误差,或使入组人群能够代表所有患者。

分配隐藏可防止招募人员在入组完成前知晓接下来的分配结果,从而避免选择性招募。它不同于临床试验盲法,后者旨在限制分配后相关人员对所分配治疗的知情。参与者、临床医生、结局评估者和分析人员均可分别设盲。在外科学领域或行为干预中,实施盲法往往较为困难,但独立的结局判定和标准化评估仍可减少偏倚。安慰剂有助于实施盲法,但使用安慰剂是否符合伦理,取决于具体临床情境以及患者原本可以获得的治疗。

平行组试验比较被分配至不同干预策略的组别。交叉试验让参与者在不同时期接受不同干预;当病情足够稳定,且治疗效应的持续不会使设计失效时,这种设计便可实现个体内比较。析因试验同时评估两种或多种干预,并可研究干预之间的交互作用。在整群随机试验中,诊所或社区等群体作为整体接受分配。这类试验适用于在群体层面实施的干预,但分析时必须考虑同一群体内个体之间的相似性。

试验目的决定所检验的假设。优效性试验检验一种干预是否优于另一种干预。非劣效性试验检验新干预相较于有效对照干预的劣势是否不超过预先设定的界值。该界值必须有临床依据和证据支持,不能仅为统计上的便利而设定。依从性差、治疗交叉或结局测量不敏感,都可能使各组看起来相近,从而影响非劣效性结论的可靠性。等效性试验则旨在证明差异在正反两个方向上均处于预先设定的界限之内。

适应性临床试验允许依据不断累积的数据实施预先计划的调整,同时维持适当的错误率控制和结果的可解释性。可能的调整包括因无效性而提前停止试验、改变样本量或调整分配概率。平台试验利用持续运行的框架评估多种干预,并可增设或撤除治疗组。在COVID-19大流行期间,RECOVERY试验展示了大规模、流程精简的随机比较在实践中的重要性:2020年,该试验发现地塞米松可降低接受呼吸支持的住院患者的死亡率,但对未接受呼吸支持的患者并无此获益。这类结果也说明,治疗效应必须在明确界定的患者群体中加以解读。

药物、器械和复杂干预的临床开发

在药物开发中,临床研究通常按阶段划分,但各阶段可能相互重叠,也无法涵盖所有研究类型。I 期研究考察药物在人体中的初步安全性、耐受性、剂量、药代动力学,有时也考察早期生物学活性。许多研究招募健康志愿者,但具有潜在毒性的抗癌药物研究通常招募患者。首次人体试验通常从有限暴露和分阶段给药开始,因为实验室和动物研究数据无法排除药物在人体中产生意外作用的可能性。

II 期研究探索治疗活性,选择剂量或给药方案,并进一步明确药物用于目标疾病时的安全性。III 期研究通常提供规模更大的比较性证据,旨在确定药物用于拟定用途时的获益与风险。其设计取决于疾病、现有治疗方法、预期效果及监管背景。并非每种产品都遵循三个独立阶段依次开展的简单路径:I/II 期联合研究、II/III 期无缝衔接试验以及罕见病药物的开发路径,都可以整合不同阶段的研究目标。

获批后,IV 期研究及其他上市后研究会进一步考察安全性、实际疗效、给药方案或更广泛人群中的使用情况。上市前试验的规模可能过小,或持续时间过短,无法发现罕见不良反应。药物警戒综合运用自发报告、主动监测、数据库和针对性研究,识别并评估安全性信号。自发报告可以提出有待验证的假设,但由于报告不完整,且缺少可靠界定的分母,通常无法据此确定发生率或因果关系。

器械带来了不同的证据难题。其性能可能取决于操作者培训、安装情况、软件版本或临床团队的经验。外科手术可能在评价过程中不断改进,而学习曲线对结局的影响可能独立于手术本身的固有特性。对于诊断器械,技术准确性并不等同于患者结局的改善:灵敏度更高的检测也可能带来更多假阳性结果、后续检查或处置,以及过度诊断。评价临床实用价值,需要考察其在诊疗路径中带来的后果。

复杂干预包括康复、照护协调和行为干预项目,往往包含相互作用的多个组成部分。其效果可能取决于实施强度、工作人员的技能、当地资源以及参与者的投入程度。过程评价考察干预是否按预定方案实施,以及不同研究地点的结局为何存在差异。一个项目因关键组成部分从未得到落实而失败,与一个严格按方案实施却未产生获益的项目,提出的是不同的科学问题。因此,研究往往将结局评价与定性观察及实施情况分析相结合。

结局、诊断准确性与临床测量

临床终点是用于评价健康状态或干预措施的结局。结局可包括死亡、住院、症状、功能状态或重大疾病事件。主要终点是核心分析的依据,通常也为样本量规划提供依据;次要终点则提供补充信息,但需要注意多重性问题及结果解读。评估时间也是终点定义的一部分。四周时的改善与持续一年的改善并不是可以等同看待的研究结果。

替代终点用于代替具有更直接临床意义的结局。实验室测量结果和影像学发现可能提供更早或更便于获取的信号,但治疗对替代终点的影响不一定能预测其对生存或功能状态的影响。生物标志物即使未经验证可作为替代终点,也可能有助于诊断、预后判断、治疗选择或生物学监测。验证取决于具体应用情境:标志物与预后之间存在关联,其证据力度弱于证实治疗引起的标志物变化能够可靠地预测临床结局变化。

患者报告结局直接记录参与者提供的信息,不经临床医生或其他观察者解释。例如,疼痛强度、疲劳、日常功能以及健康相关生活质量。测量工具需要有证据支持其在相关人群及语言中的效度、信度和反应度。数值差异即使在统计学上估计得很精确,也可能小到对日常生活没有实际意义。因此,解读时需考虑有意义变化的阈值、测量误差、基线严重程度,以及问卷数据缺失的影响。

诊断研究在特定临床情境下,将待评价的诊断试验与参考标准进行比较。诊断敏感度与特异度分别描述患有和未患有目标疾病的人群中被正确分类者的比例。阳性预测值和阴性预测值还取决于受检人群中该疾病的患病率。如果只有部分经选择的参与者接受参考标准检查,评估者知晓了本不应知晓的结果,或者参考标准纳入了正在评价的诊断试验,准确性估计就可能出现偏倚。某项检查在专科转诊门诊中的表现,可能与其在基层医疗中的表现有很大差异。

复合终点将多个事件合并,例如心血管死亡、心肌梗死和卒中。复合终点可以提高统计效率,但当各组成事件的临床重要性差异很大,或对治疗的反应不同时,结果就难以解读。死亡还可能使其他结局无法被观察到,从而产生竞争风险问题。可靠的测量需要标准化的定义、经过校准的设备、受过培训的评估人员,以及预先规定的判定规则。这些程序用于确认测量结果在不同研究中心、不同参与者及不同时间点是否具有相同含义。

统计推断、不确定性与分析

临床统计学将观测结果与效应估计及其不确定性联系起来。样本量规划通常取决于预期事件发生率或结局的变异程度、关注的效应、显著性水平以及统计功效。在研究开始之前,这些参数都存在不确定性。对治疗效应过于乐观的假设可能导致研究样本量过小,无法检出现实中可能达到的获益。反过来,规模很大的研究也可能检出在临床上微不足道的差异。因此,必须同时考虑估计的精确性和临床意义。

效应指标描述同一结果的不同方面。对于二分类结局,相对风险比较的是两个概率的比值,而绝对风险差则是两个概率相减。若风险从10%降至8%,相对风险为 0.80.8,相对风险降低幅度为20%,绝对风险降低幅度为2个百分点。在该特定随访期内,相应的需治疗人数为 1/0.02=501/0.02=50,前提是这一比较支持因果解释。在基线风险不同的人群中,相同的相对风险降低幅度可能意味着差异很大的绝对获益。

置信区间反映在特定统计程序和模型下的不确定性。在频率学派的解释中,它并不是固定真实效应的概率分布。pp 值衡量数据与特定零假设模型及其假设的相容程度;它并不表示治疗有效的概率,也不表示某个假设为真的概率。相比之下,贝叶斯分析将先验分布与似然相结合,得到后验分布。这两种方法都要求恰当建模、明确说明假设,并关注临床上合理的效应大小。

意向性治疗分析按照参与者随机分配的组别进行评估,从而保留实验比较的基础。它估计的是研究条件下分组所产生的效应,而不一定是按处方服用每一剂药物所产生的效应。符合方案分析和按实际治疗分析回答的是不同的问题,但可能引入混杂,因为依从性和治疗变更通常并非随机决定。仅仅将分析标为意向性治疗分析,并不能解决结局数据缺失的问题;处理这些缺失数据需要相应的假设和方法,并应通过敏感性分析考察其影响。

多个结局、反复进行的期中分析以及广泛的亚组探索,都会增加出现假阳性结果的机会。预先设定分析内容并采用适当的错误控制程序,有助于区分验证性分析与探索性分析。与仅凭某一亚组结果达到名义统计显著性、另一亚组却未达到便作出判断相比,有交互作用检验和可信的事先推理支持的亚组结论更有说服力。生存分析用于处理事件发生时间和删失数据,但其模型也有相应假设,例如常见的Cox回归应用中的比例风险假设。再复杂精巧的统计方法,也无法弥补存在系统性偏倚的测量或定义不清的研究问题。

研究伦理、知情同意与独立监督

符合伦理要求的临床研究必须具有科学价值和社会价值,风险与潜在获益之间的权衡应有充分依据,受试者选择应公平,并且应尊重受试者。即使研究程序造成的身体风险很小,设计不当的研究仍可能不合乎伦理,因为它让人们承担负担,却没有合理的希望产出有用的知识。伦理审查会考察研究的整体情况,包括招募、补偿、隐私保护、知情同意材料,以及应对研究相关伤害的安排。

知情同意是一个沟通并获得自愿授权的过程,而不只是一份签了字的表格。需要告知的信息包括研究目的、程序、可合理预见的风险、潜在获益、替代方案、保密措施以及退出研究的权利。疾病、压力、语言和健康素养都可能影响理解。当受试者误以为研究程序的选择完全是为了其个人的临床获益时,就产生了治疗性误解。因此,明确区分研究目标与个体化诊疗,是知情同意的核心。

机构审查委员会或研究伦理委员会,依据其管辖范围和职责,独立评估拟开展的研究并实施监督。研究获得批准,并不意味着研究者或申办者的责任随之转移。某些最低风险研究在符合特定法律和伦理标准时,可以获准豁免知情同意;另一些研究则需要额外的保护措施。涉及儿童的研究通常需要获得父母的许可,并以符合儿童发育水平的方式征得其赞同。对于决策能力受损的成年人,可能需要由法定授权代表代为作出决定,并采取适合具体情况的保障措施。

随机治疗比较的伦理问题常通过临床均势这一概念来讨论,即临床专家群体对于各项干预的相对治疗价值确实存在不确定性。这一概念并不要求每位研究者个人对不同干预的预期都完全相同。选择对照措施时,必须考虑已有的有效诊疗措施,以及不提供这些措施可能造成的后果。对安慰剂对照的伦理判断,取决于所研究的疾病、是否有已证实有效的干预措施、额外风险以及适用标准;使用安慰剂既不是一概允许的,也不是一概禁止的。

当试验涉及较大风险、长期随访或重要的中期决策时,独立的数据监查委员会可以审查不断积累的非盲态结果。委员会可依据预先规定的原则,结合获益、伤害或无效性情况,建议继续、修改或停止研究。提前停止研究可以保护受试者,但如果依据的事件数很少,也可能导致估计不精确或效应被夸大。因此,监督工作需要将统计界值与临床判断相结合。当重要的新信息改变了参与研究的风险、替代方案或合理预期时,知情同意仍须作为持续的过程进行。

招募、代表性与参与者体验

入选标准界定了研究主要结论适用的人群。设置限制可以保护参与者,也可以减少结果解释中的不确定性,但排除条件过多会缩小结论的适用范围。在一些重要研究领域,老年人、患有多种慢性病的人、儿童、孕妇以及肾功能或肝功能受损者往往代表性不足。由于这些群体的基线风险、代谢情况、伴随疾病和治疗负担有所不同,不能总是根据较年轻、较健康参与者的研究结果推断治疗对他们的效果。

招募不仅取决于参与意愿,也取决于实际参与条件。路途远近、工作时间、照护责任、语言障碍、数字技术的可及性以及自付费用,都可能影响哪些人能够参与。这些因素可能导致研究人群与日后实际接受干预的人群不同。与受社区信任的组织建立联系、提供易于获取和理解的材料,以及报销合理费用,可能有助于减少障碍;不过,补偿安排必须经过审查,以判断是否构成不当影响,以及是否符合当地伦理要求。仅仅达到招募目标,并不能证明参与机会是公平的。

健康的社会决定因素既影响研究参与,也影响研究结局。居住不稳定可能增加随访难度;交通条件有限可能降低到访率;常规医疗服务获取机会不平等,则可能影响基线时的疾病严重程度。这些并不只是行政管理问题。如果失访与预后有关,就可能使估计结果产生偏倚。如果某项干预依赖于研究之外无法获得的资源,那么研究中呈现出的有效性未必能在常规医疗中重现。因此,研究设计需要区分治疗的生物学效应与实施治疗所必需的条件。

临床数据集中的种族和族裔,是由社会与历史背景塑造的分类,不能与遗传祖源的衡量指标混为一谈。观察到的结局差异可能反映歧视、环境暴露、医疗服务可及性、合并疾病、测量方式以及许多其他机制的影响。同样,与生理性别相关的生物学因素,以及与社会性别相关的社会条件,也可能影响健康和研究参与的不同方面。分析需要定义明确的变量和充分的数据;样本量小的事后亚组比较,可能会强化误导性解释,而不是阐明真实存在的差异。

患者和公众参与,是指让受某种疾病或健康状况影响的人参与选择研究问题、设计研究程序、选定结局指标和解读研究发现。这不同于作为研究对象参加研究。这种参与可以揭示研究者低估的负担,例如反复前往医院,或问卷未涵盖日常生活中重要的活动受限情况。在健康公平研究中,代表性还涉及由谁的优先关切决定研究议程,以及谁能够利用研究产生的证据。国际研究还面临其他问题,包括当地研究者能否发挥主导作用、当地人群能否获得已证实有效的干预,以及研究是否回应了参与社区的需求。

研究实施、质量体系与安全管理

临床研究是一个协调运作的系统,涉及研究者、研究护士、药师、实验室团队、统计师、数据管理员、申办者,有时还包括合同研究组织。研究者负责在研究中心开展研究,申办者则根据适用的安排,负责研究的发起与管理。委派任务并不意味着免除相应责任。在多中心研究中,明确记录各方职责尤为重要,因为操作不一致可能导致研究中心之间出现系统性差异。

药物临床试验质量管理规范是针对涉及人体参与者的试验制定的国际伦理与科学质量框架,涵盖参与者保护、结果可靠性,以及适当的职责分工和记录要求。质量并不意味着尽可能多地收集文件资料。现代与风险相称的管理方法将工作重点放在对参与者安全及研究结论可信度至关重要的流程上,例如规范获取知情同意、有效实施分配、按计划实施干预,以及完整查明重要结局。

监查旨在核查研究实施是否符合方案及适用要求,可包括现场访视、远程审查,以及集中检查异常事件发生率、数据缺失或测量结果过于一致而不合常理等模式。稽查是有别于常规监查的系统性独立评估,而检查则由监管机构实施。源数据核查能够发现原始记录与提交数据之间的差异,但逐一核查所有字段并不一定能发现研究设计或实施中影响最为重大的问题。

安全管理需要区分不良事件、不良反应和严重不良事件。不良事件不一定由干预引起。严重性通常涉及死亡、危及生命的事件、住院、显著残疾或其他医学上重要的状况等结局,并不等同于症状的强度。因果关系、预期性和严重性会影响报告义务,而具体报告义务又因干预措施和司法管辖区而异。汇总分析所呈现的安全性模式,可能比孤立的个案报告更有信息价值。

对于方案偏离,需要进行评估,而不能一概视为同等程度的错误。漏填一份非必填问卷,与纳入一名存在重大安全禁忌、不符合入选条件的参与者,性质并不相同。研究者应记录偏离情况,评估其原因,并判断其对安全性和结果可解释性的影响。招募压力、人员短缺、复杂的访视安排和含糊不清的指示,都是研究运作中常见的薄弱环节。纠正措施可包括重新培训、简化流程、调整系统或暂停相关活动。可信的研究应确保从原始观察记录到最终分析的全过程均可追溯,同时避免让行政事务要求挤占具有重要临床意义的安全保障措施。

数字数据、真实世界证据与计算方法

电子健康记录可以提供大规模人群的诊断、处方、实验室检查结果、诊疗操作及临床记录。保险理赔数据、疾病登记资料、药房记录、可穿戴设备和患者生成的数据则提供了更多数据来源。这些数据可用于研究常规诊疗、罕见结局和长期治疗使用情况。数据规模大并不意味着准确:这些记录通常是为诊疗或支付而创建的,而非为了回答某个特定的研究问题。

必须通过明确的定义,将临床信息转化为研究变量。计费编码未必代表确诊,开具处方并不能证明患者服用了药物,而没有记录某一事件也不能证明该事件未曾发生。通过与临床记录或其他参考来源核对验证,可以量化误分类的程度。当身份标识信息不完整,或不同群体的数据关联成功率存在差异时,数据关联会带来进一步的不确定性。编码系统、临床实践或医疗费用报销方式的变化,可能造成与疾病实际变化无关的表面趋势。

真实世界证据是指通过分析在常规诊疗或其他真实世界环境中收集的健康与医疗数据而获得的临床证据。它并不等同于观察性证据:随机研究也可以使用常规诊疗数据来招募受试者或评估结局。反过来,即使使用大型数据库开展比较研究,也仍然容易受到混杂、信息缺失和选择偏倚的影响。一个数据来源是否有用,取决于它能否以足够的可靠性记录研究所需的人群、暴露、协变量、结局及时间点。

数据隐私和信息安全至关重要,因为临床信息可能涉及敏感内容,并可能被用于识别个人身份。如果记录中包含罕见诊断、日期、地理位置或基因组信息,仅删除姓名并不能保证匿名。数据治理措施可包括访问控制、数据使用协议、假名化、安全分析环境以及对数据再分发的限制。联邦分析允许部分计算在不同机构内分别进行,无须汇集所有个体层面的记录,但这并不意味着可以免于管理知情同意、数据协调、安全性和统计可比性等问题。

机器学习可帮助预测结局、识别影像中的模式、从文本中提取信息,并辅助临床试验招募。必须使用与模型开发数据充分独立的数据来评估预测性能;未来信息泄漏或受试者重叠,可能导致准确率虚高,产生误导。外部验证、校准以及跨人群评估,与证明临床获益是不同的事情。即使模型能够准确预测病情恶化,如果警报被忽视、误报过多,或促使医护人员采取无效措施,也可能无法改善结局。因此,在有充分依据声称模型能够改善诊疗之前,通常需要开展前瞻性临床评估。

注册、报告、可重复性与证据综合

前瞻性注册使公众能够了解一项研究的存在及其计划开展的内容。注册平台可以记录入选与排除标准、干预措施、结局指标、招募状态及其他核心信息。ClinicalTrials.gov 于2000年向公众开放,国际医学期刊编辑委员会则规定,自2005年7月起开始招募受试者的试验,须进行前瞻性注册,才有资格被考虑发表。注册有助于发现未发表的研究以及偏离原定计划的情况,但注册记录并不证明研究在科学上合理或在伦理上可接受。

当研究是否发表或哪些结果受到强调取决于结果的方向或统计学显著性时,就会发生选择性报告。结果为阴性的研究可能整项都不发表,一项研究也可能只报告有利的结局,而省略预先指定的不利结局。在查看数据后更改主要终点,可能使探索性发现看起来像验证性发现。研究方案、统计分析计划、注册历史记录以及完整的结果报告,有助于评估这些做法。透明的修订记录十分重要,因为有些变更是针对新的外部证据或未预见的实际情况作出的合理调整。

报告规范能够提高报告的完整性,但不能据此判定研究设计是否良好。CONSORT声明为随机试验的报告提供了框架,涵盖受试者流程、分配方法、结局及危害等内容。相关指南还涉及观察性研究、诊断准确性研究、研究方案、定性研究和系统综述。核对清单无法弥补研究实施中的偏倚,但报告不完整会使一项即使实施严谨的研究也难以解读或重复。披露资金来源、作者职责和利益冲突,可以提供更多背景信息,但并不能证明某项结果为真或为假。

可重复性包括理解数据处理过程,以及利用适当材料重新运行并得到相同分析结果的能力。独立重复验证则关注某项发现在新的研究或情境中是否会再次出现。共享研究方案、代码、数据字典以及受到适当治理的受试者个体层面数据,有助于开展审查,但也受到隐私、知情同意、知识产权安排和数据质量等因素的制约。如果设计或假设存在缺陷,一项分析即使在计算上可以重复,在科学上仍可能无效。因此,对于许多形式的验证而言,可重复性是必要条件,却不足以保证结论为真。

系统综述采用明确的方法来识别和评价证据,旨在减少选择性纳入。元分析通过统计方法合并可兼容的估计值,从而有可能提高精确度,并考察研究之间的差异。合并并不能消除偏倚;如果基础研究存在系统性缺陷,或回答的是不同问题,那么精确的合并估计值也可能产生误导。综述者会评估异质性、偏倚风险、缺失证据以及适用性。证据综合将单项研究与循证医学中的更广泛判断联系起来,同时保留稳健发现、不一致结果和尚未解决的问题之间的区别。

适用性、实施与医疗决策

研究的内部效度关乎其结论对于研究中实际开展的比较是否可信。外部效度则关乎这些结论能否适用于其他人群、环境、干预措施和时期。一项试验可能具有很强的内部效度,但由于纳入的人群范围狭窄、提供了超出常规的高强度支持,或所比较的治疗方法在实践中已不再常用,其适用性仍然有限。适用性并非研究本身的一项固定属性,而是取决于具体要作出的决策,以及证据将被应用于何种人群。

理想条件下的疗效与实际应用中的效果,体现的是相互关联的不同侧重点,而不是截然分开的类别。解释性研究通常在旨在明确干预措施的生物学或临床效应的条件下对其进行评估。实用性临床试验则在更接近日常诊疗的条件下评估各种策略,可能采用宽泛的入选标准、由日常临床工作人员实施,并使用常规收集的结局数据。实用性特征的程度呈连续分布。灵活性可以提高研究对实践的参考价值,但如果不同研究中心实施的干预差异很大,或对实施情况的描述不充分,也可能使结果难以解释。

实施科学研究有证据支持的实践如何被采纳、落实并持续开展。其研究的策略包括临床人员培训、提醒、审核与反馈、组织重构或支付方式调整等。实施结局包括覆盖范围、采纳情况、实施忠实度、可接受性和可持续性,与患者健康结局并不相同。成功的实施策略可以增加有效治疗的使用,但仅凭使用率的提高,并不能证明健康状况有所改善。混合型研究可以在同一项目中同时评估临床效果和实施情况。

经济学评价补充了有关资源与后果的信息。成本效果分析将成本差异与结局差异进行比较;一些分析使用质量调整生命年,将生存时间与健康相关生命质量结合起来。分析结果取决于所采用的评价视角、时间范围、价格、对长期效果的假设,以及可供选择的其他治疗方案。一项干预即使在临床上有效,也可能难以获得大规模推广所需的资金;而一项获益不大的干预,如果成本低廉且广泛可及,也可能具有可观的人群健康价值。经济学研究结果并不能在不同卫生系统之间普遍通用。

临床指南、监管决策、报销政策和共同决策使用证据的目的各不相同。批准某种产品用于特定适应证,并不等同于建议用它取代所有其他方案。个体决策还取决于基线风险、合并疾病、治疗负担和患者偏好。随着人群、病原体、技术和诊疗标准的变化,持续开展的临床研究会考察获益与危害如何随之改变。对于只有在广泛使用后才显现的重要影响,长期随访、比较研究以及相互衔接的监测仍然不可或缺。