随机对照试验与真实世界数据研究的局限与评估

《Journal of Investigative Medicine》:Limitations, hurdles, and ethics of database research

【字体: 大 中 小 】 时间:2026年10月09日 来源:Journal of Investigative Medicine 2

编辑推荐:

  ``` 大多数人认为随机对照试验(RCTs)是研究的黄金标准,其结果被视为最高级别的证据。然而,随机对照试验在招募参与者方面可能存在问题,尤其是针对较为罕见的疾病时。此外,对于那些有前景的干预措施,可能存在遮盲(blinding)方面的问题;而对于那些

  ```
大多数人认为随机对照试验(RCTs)是研究的黄金标准,其结果被视为最高级别的证据。然而,随机对照试验在招募参与者方面可能存在问题,尤其是针对较为罕见的疾病时。此外,对于那些有前景的干预措施,可能存在遮盲(blinding)方面的问题;而对于那些具有显著副作用的疗法,则存在伦理道德方面的担忧。同时,随机对照试验复杂、成本高昂,并且是在过度控制的环境中进行的,这些因素可能无法直接应用于特定的患者或患者群体。
在进入临床试验之前,还需要进行基础研究。通常,第一步是在细胞培养等实验室环境中进行实验以评估有效性。1之后,会在动物模型中实施研究,最后才会进入人体测试阶段。
人体测试的第一阶段涉及健康受试者,以评估安全性和剂量范围。第二阶段参与人数更多,主要评估治疗的有效性和相关副作用。第三阶段通常被称为关键性试验(pivotal trial),会招募数千名患者,主要用于获得监管机构的批准。第三阶段的试验通常是随机对照试验,其中对照组会接受最先进的标准治疗。
第四阶段常常被忽视。在这一阶段,需要收集真实世界中患者的治疗结果。由于这是在监管之后的数据收集,因此这些数据可能难以达到理想的状态。
为了应对这些数据收集方面的挑战,人们建立了各种登记系统(registries)。在这些系统中,大量临床患者被“纳入”研究,他们的真实临床经历和结果会被记录下来。这些登记系统通常具有广泛的参与度,不一定针对特定的治疗方式,而是涵盖广泛的疾病状态/阶段/临床情况。2尽管如此,这些登记系统提供的数据仍能为了解疗法在现实世界中的有效性以及变量之间的潜在相互作用提供窗口。
由于登记系统和数据库的实用性,它们已成为众多研究论文的宝贵资源。JIM等期刊接收了许多来自CDC WONDER、3、NHANES、4、CHARLS、全球疾病负担数据库(Global Burden of Disease)、QResearch以及TCIA/TCGA等数据库的论文。真实世界的数据具有独特优势,因为患者在日常生活中的医疗依从性各不相同,并且会受到多种临床、社会和环境因素的干扰。
然而,许多基于数据库的研究存在诸多问题。其中一个常见问题是研究基础(或缺乏基础)问题,这些基础本应在临床研究的早期阶段进行评估。其他问题还包括数据库中收集的变量数量、数据评估的可靠性以及数据输入的质量。另一个主要问题是缺乏个体层面的详细信息。这些数据库虽然覆盖范围广,但深度往往不够。此外,由于数据往往是静态的,缺乏足够的随访或纵向数据。而且,由于患者信息已被去标识化,几乎无法将一个数据集的信息与另一个数据集进行交叉匹配(TCIA/TCGA数据库是一个显著的例外)。另一个问题是医疗技术的快速发展,导致许多数据集很快就会过时。
关于登记系统相关的研究,还有两个更广泛的问题。首先,随着更多科学家使用相同的数据库资源,论文的创新性可能会逐渐降低。其次,统计关联的显著性与我们实际临床意义之间可能存在差异。虽然在大型数据库中很容易发现统计关联,但这些关联的重要性往往值得怀疑。随着人工智能在数据库分析中的应用越来越广泛,读者(和编辑人员)需要谨慎对待那些看似合理的结论。
上述问题不仅是分析层面的,还涉及伦理道德方面的考虑。有时,针对罕见疾病的受试者群体规模很小。5此外,还有纳入和排除标准方面的问题。6尽管这类问题可以在一定程度上得到缓解,但在政府资助的数据库中仍然存在,例如专注于认知研究的ADNI数据库。7
英国生物银行(UK Biobank)就是一个典型例子,它收集了50万志愿者的详细数据。这是一个关于庞大人群的丰富资源。然而,这些志愿者必须居住在22个评估中心40公里范围内的地区,这导致了地理上的偏倚。使用有限的评估中心也可能产生聚集效应。8更令人担忧的是,参与者中96%为白人9,这限制了研究结果在美国(以及现代英国人群)的普遍性。更糟糕的是,许多使用英国生物银行的研究会排除剩下的4%的参与者,以减少遗传因素的影响。
科学家、作者、审稿人和读者都应该意识到这些数据库的局限性。读者有权期望编辑团队确保每篇论文结论的临床有效性。数据库研究需要达到很高的标准,甚至应该高于其他试验阶段的标准。
我们所有人都应该意识到每个数据库设计中的折中和偏见,并权衡其中往往不可忽视的伦理和社会成本。所有论文都应仔细评估,尤其是那些依赖数据库的研究。
```
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号