下载掌阅APP，畅读海量书库
立即打开
真实世界研究（real world study，RWS），也称为现实世界研究，是指针对预设的临床问题或决策需求，在真实世界环境下收集与研究对象健康有关的数据（真实世界数据，real world data，RWD）或基于这些数据衍生的汇总数据，通过统计分析，获得药物（医疗保健干预措施）的使用情况及潜在获益-风险的临床证据（真实世界证据，real world evidence，RWE）的研究过程。
真实世界研究有时会被简单地理解为观察性研究，这种认识并不全面。从本质上讲，研究问题决定研究设计，而研究设计决定数据获取方式和过程。尽管真实世界数据来自真实条件下的数据，这不代表真实世界研究设计局限于观察性研究。没有任何一种设计一定优于其他设计，每种设计都有优势和不足。没有任何一种研究设计能回答所有的研究问题，相同的研究问题可以采用不同的设计来解决。研究设计的选择首先要基于研究问题，即针对该问题选择哪种研究设计能最准确和精确地回答该科学问题。此外，研究数据的可得性、难度、质量、研究资源的多少、研究者的经验和研究合作网络也会影响研究设计。真实世界常见研究类型如图2-1所示。
“经典”临床试验被定义为，在一项研究中，一名或多名研究对象被前瞻性地分配接受一项或多项干预措施（可能包括安慰剂或其他对照干预措施），以评估这些干预措施对健康相关的生物医学或行为结果的影响。“经典”临床试验通常是针对特定人群，且在与常规临床/家庭环境不同的特殊环境中进行的。这些试验多采取一系列质量控制措施，目的是控制变异性和确保数据的质量，例如制定严格的纳入排除标准，使用与普通医疗记录分开的病例报告表，以及使用密集的监测和专门的研究人员，以确保遵守研究程序和准确收集数据等。
根据美国食品药品监督管理局（Food and Drug Administration，FDA）的RWE计划，来自经典临床试验的证据将不被视为RWE。然而，各种混合或实用的试验设计和观察性研究可以产生RWE。在某些情况下，一些临床试验可能会采用混合设计方法。例如，临床试验的某些要素可以使用从医疗索赔、电子健康数据（electronic health records，EHR）或实验室和药房数据库中提取到的RWD进行分析。混合设计的试验可以使用RWD来获得某个临床结果（如住院、死亡），而其他因素则更传统（例如，专门的纳入排除标准，由专门的研究人员监测和收集其他研究终点）。这些混合试验设计也会产生RWE。因此，临床试验设计中可以包括一些更接近常规临床实践的元素，这些元素有时被称为“实用（pragmatic）”元素。这些实用的临床试验通常依赖于RWD，并且有可能产生RWE。
在真实世界条件下开展干预性研究的常见方式是对临床已使用的不同干预措施进行随机分组，在尽量贴近临床实际情况下对患者进行干预和随访，并针对患者、临床医生或医疗卫生决策者有重要价值的结局进行评价，常被称为实用性或实效性随机对照试验（pragmatic randomized controlled trial，pRCT）。在pRCT的设计中，尽管使用了随机手段，但患者在研究中所处的环境、干预实施和随访过程、数据和结局的收集方式在尽可能贴近真实条件下进行，与真实世界研究的核心实质较好地契合。因此，其仍然属于真实世界研究的范畴。当然，真实世界条件下的干预性研究并非仅有pRCT；非随机的实效性试验、自适应设计等其他设计也是真实世界研究的可用选择。
图2-1 真实世界常见研究类型
观察性研究设计是真实世界研究中广泛使用的设计类型之一。在真实条件下收集相关数据（如患者登记、医院电子病历数据、医保数据和流行病学调查等），建立数据库，并针对具体研究问题，运用观察性设计，开展数据分析，是观察性真实世界研究的自然过程。根据原始数据是否基于特定研究目的，观察性RWS可分为两类：第一类是基于具体的研究假设收集数据开展研究，如患者登记研究，第二类是在已有的数据库基础上（如医院电子病历数据、医保理赔数据库、民政部门和公共卫生部门的出生/死亡登记、公共卫生调查和公共健康监测数据等）设定研究假设，然后利用数据库已有数据开展研究。
真实世界研究中的观察性设计包括：横断面研究、队列研究（前瞻性、回顾性或双向设计）、病例-对照研究及其衍生设计（如巢式病例-对照、病例-队列研究）等常用的设计类型。此外，一些新的设计（如间断性时间序列）也被用于观察性真实世界研究。
需要注意的是，由于观察性研究所采集的数据接近真实世界，可能会存在各种偏倚、数据质量难以保证、已知或已测和未知或不可测量的混杂因素较难识别等情况，使得研究结论具有很大的不确定性。因此，当用观察性研究评估医疗产品的有效性时，需要谨慎地评估其结果，尤其是当观察到的疗效相对较小时。因为在这种情况下，疗效在很大程度上或全部可能是由于混杂因素造成的。再加上观察性研究往往利用现有的而不是前瞻性收集的数据，更加增加了调查结果的不确定性，并限制了结果的可用性。已有一些例子表明，观察性研究中确定的效应并不能在随机试验中复制，或效应大小在方向或幅度上存在不同。