标准与规范丨目标仿真试验临床研究应用规范专家共识（2025版）

一、共识制订方法学

本共识由北京大学第三医院临床流行病学研究中心、北京大学公共卫生学院联合中国康复医学会康复大数据工作委员会发起，已在国际实践指南注册与透明化平台注册（注册号：PREPARE-2025CN555）。 1.共识制订工作组：本共识制订专家委员会工作组由共识制订专家组、执笔组和学术秘书组构成，具体名单见文后。共识制订专家组成员共60位，入选标准为具有丰富临床研究设计与实施的理论与实践经验的专家，专业涵盖临床医学、循证医学、流行病学、生物统计学、临床研究方法学等多学科领域，其主要职责是制定研究框架、拟定共识意见、共识投票、讨论与审阅修改。执笔组成员由具有临床医学、流行病学、生物统计学、临床研究方法学领域的理论和应用研究及实践背景的专家组成，负责共识的初步撰写，并结合专家组讨论结果与意见修订与完善内容。学术秘书组负责文献检索、证据综合、会议协调、统稿及核对等工作。 2.文献检索：本共识以“target”“emulation”“emulate”“trial”等英文关键词及其对应的中文检索词“目标”“仿真”“模拟”“试验”为关键词，检索PubMed、Web of Science、Embase等英文文献数据库与中国知网、万方数据知识服务平台、维普等中文文献数据库，纳入来自原始研究、系统评价、范围综述等证据，检索时间为建库至2025年4月30日，检索不限定发表语言。共获得3 743条文献记录，经剔除重复文献后，先通过阅读标题和摘要进行初筛，再阅读全文进行复筛后，最终获得272篇相关文献。共识专家组基于原始研究、系统评价、荟萃分析、范围综述的证据，分成不同的领域，根据预先确定的范围，初拟了共识意见，执笔组撰写共识初稿。共识专家组召开两轮专家会议，对共识文件进行讨论、审稿与修改，最终形成共识终稿。 3.证据质量与推荐强度：针对每一条推荐意见，共识专家组采用李克特量表评分，满分5分，5分表示非常同意，4分表示同意，3分表示中立，2分表示不同意，1分表示非常不同意。专家推荐程度以“共识度”标注，共识度定义为评分为5分的专家占全部投票专家的比例，总参评专家为41位。针对单条推荐意见，共识度超过80%则判定为对该条推荐意见达成共识，经由两轮专家会议投票后仍未达成共识的推荐意见将被删除。本共识凝练出17条拟推荐意见，均达成共识。 4.利益冲突声明：本共识制订过程中，参与本共识专家研讨会的专家和共识工作组成员均已签署书面利益声明，与医药企业不存在共识相关的利益冲突。 5.共识的发布、传播与更新：为了促进共识的传播和在临床研究中的应用，共识将在专业期刊上发表，发表后将以学术会议、培训班等形式在全国范围进行传播。共识制订工作组将定期进行文献检索、证据更新和评价，计划每3~5年对共识进行一次更新。

二、TTE的概念与意义

推荐意见1：TTE是一种基于反事实理论的因果推断研究框架。当由于可行性、时间或伦理等方面的限制而无法进行RCT时，按照RCT的设计原则，利用观察性数据对该假想的试验进行模拟仿真，尝试获得接近于RCT的因果推断效力。 解读与证据：虽然RCT研究证据级别高，但它并不是在所有场景下都可以组织实施的。RCT研究往往会受到人力成本、时间成本和经济成本等限制，且伦理方面也约束了其在多个场景下的广泛应用。此时，观察性研究是RCT研究的必要补充。但观察性研究中往往存在较多偏倚，如混杂偏倚、永恒时间偏倚（immortal time bias）和现使用者偏倚（prevalent user bias）等 ［ 12 ］ ，这对观察性研究的证据质量带来了较大的影响。TTE应用RCT设计原则提供了更明确的因果问题和结构化的评价体系，有助于避免观察性研究中常见的方法学缺陷，且兼顾了研究质量与研究效率 ［ 13 ］ 。例如在新型冠状病毒感染疫情期间，迫切需要关于如何预防其发生、降低疾病的严重程度或死亡率的证据，但当时缺乏高质量的研究证据，因此使用TTE框架获得的观察性研究证据被越来越多地应用于新型冠状病毒感染的预防与治疗研究领域 ［ 14 ］ 。

三、TTE的适用场景与关键要素

推荐意见2：TTE适用于：（1）RCT不具伦理可行性，如评估妊娠期药物治疗的有效性；（2）对RCT来说难度过大，如结局的长期随访、结局为罕见事件；（3）对已有RCT证据的扩展，如药物上市后在更广泛人群中的有效性与安全性；（4）其他无法开展RCT的情况。 解读与证据：研究者人为控制使得参与者暴露于对其有害的药物或其他干预措施、拒绝给予参与者公认有效的治疗都是因为伦理考虑而无法开展RCT的常见场景，然而TTE通过使用真实世界数据可以探索更敏感的选题，例如Sundbakk等 ［ 15 ］ 在孕期使用精神类药物对儿童或青少年神经发育的影响尚不确定的背景下，开展了3项TTE研究，探索了在孕期暴露于苯二氮䓬类药物和非苯二氮䓬类药物对儿童的学习能力的影响 ［ 16 ］ 。 研究者所关注的研究问题对RCT来说成本过高或不切实际，也是基于大型真实世界数据开展TTE的适用场景，例如在研究罕见的结局或暴露时，为了满足统计功效往往需要纳入大量符合标准的研究对象，或者结局需要长期随访，这都需要在招募和随访等流程投入大量成本。例如Xu等 ［ 17 ］ 探索长期使用他汀药物对长达十年的癌症发病风险影响的TTE，如果采用RCT设计，药物与随访会产生巨额高昂的费用。 即便所关注的研究问题已经存在高质量的RCT，但RCT往往有严格的入组标准、无法反映真实世界使用效果，因此依然可以考虑开展TTE，将研究对象扩展到其他特定人群或更广泛的人群中。例如Doi等 ［ 18 ］ 通过模拟REDUCE-IT ［ 19 ］ 与STRENGTH ［ 20 ］ 这两项试验，探索了两项试验中高剂量、纯化的omega-3脂肪酸对动脉粥样硬化性心血管疾病的预防效果存在差异的原因，最终发现导致这种差异的原因之一是研究人群之间的差异。 推荐意见3：选择TTE应充分考虑到其必要性和可行性。当有条件实施RCT时优先开展RCT研究，当开展TTE可行性不足时，例如数据不支持应用TTE框架或与RCT的差距无法通过研究设计改善，建议选择使用非TTE框架的观察性研究。 解读与证据：选择应用TTE框架开展临床研究首先应以临床需求为导向，不应单纯追求方法学方面的创新性。Hernán与Robins ［ 5 ］ 在提出TTE之初就表明在RCT不可行、不合乎伦理或不及时的情况下可选择TTE，尽管TTE提高了使用观察性数据进行因果推断的效力，但其本质上仍是观察性研究，依然存在有未测量的混杂因素、无法实施盲法等观察性研究固有的局限性，即便是设计与执行良好的TTE也无法匹敌或取代RCT成为被广泛认可的疗效评价的金标准。因此，临床研究者在选择开展TTE时，不仅应考虑科学性和可行性，还应仔细评估TTE应用的必要性。 此外，即便是无法实施RCT的场景，也应谨慎考虑在观察性研究中是否选择使用TTE框架。实施TTE通常要求更完整和高质量的数据，例如，需明确地干预起始时间以避免永恒时间偏倚，并采用新用药者设计（new-user designs）以减少现使用者偏倚。TTE对潜在混杂因素的测量要求较高，因模拟随机分组依赖完整混杂变量控制，所得结论才能接近真实因果效应。相比未使用TTE框架的观察性研究，TTE常伴随更严格的纳排标准和更高的样本量需求，事后随机化方法［如倾向评分匹配（PSM）、加权、双重稳健估计］通常会导致部分样本被排除。对于小型数据库而言，这种数据需求可能难以满足。在比较治疗与无治疗的效应差异时，TTE有时无法发挥其优势，因为在真实世界中，这两群人可能在生活方式、社会经济因素和健康寻求行为等方面有着巨大差异，甚至无法满足正值假设或重叠假设，此时便无法通过常用的事后随机化方法进行调整。 推荐意见4：在设计阶段与报告过程中均应说明目标试验的关键要素及其仿真方法，包括：研究对象纳排标准、治疗策略、治疗分配、结局指标、随访、因果对比与数据分析共7个关键要素。 解读与证据：在设计TTE研究方案时，首先要明确的就是PICO原则，即研究对象、干预、对照与结局。TTE是一个两步过程，见 图1 。首先是假设以随机试验的方式设计研究方案，以明确因果问题，研究方案中应说明纳排标准、治疗策略、治疗分配、随访的开始与结束、结局、因果对比以及数据分析计划等关键要素。该方案所描述的随机试验即为目标试验。其次是使用观察性数据对该方案的各部分进行仿真：寻找符合标准的参与者，将参与者分配到与其数据兼容的治疗策略中，设定合理的时间零点（T0），即符合标准且干预随访开始的时间点，使用合适的事后随机化方法和统计分析方法控制偏倚和得出效应估计。 设计“假想”的目标试验\n纳入与排除\n研究对象\n治疗策略及配\n其随机分配及配\n随访与\n统计分析\n使用观察性数据仿真试验\n\n 图1 目标仿真试验的基本步骤 在研究方案的设计阶段与最终研究报告的撰写阶段中，应对试验的所有组成要素及仿真方法，各组成要素在数据中对应部分的定义，及其数据完整性、时效性和语义一致性进行清晰阐明，有助于研究者把控研究路线与可能存在的方法学问题，做好质量控制，也有助于审阅者与读者理解设计思路，评估研究质量和解读研究结果。目前，针对TTE研究的报告规范仍在制定中，其数据质量管理标准也应得到重视，以确保TTE研究的规范性与可重复性。

四、TTE的实施

推荐意见5：在开展TTE设计之前研究者应了解其可用的真实世界数据的特点，清楚可用数据的样本量、数据特征（如人口学特征、基线临床状况、健康行为与社会经济因素）与数据质量。在开展TTE时，存在可用的真实世界数据无法满足TTE严格的方案设计的可能性，因此应在选择合适的真实世界数据的基础上，把握数据的适用性与TTE设计的严谨性之间的平衡。 解读与证据：开展TTE研究一般使用真实世界数据，例如电子健康记录（EHR）、登记数据库、保险索赔数据库等。EHR通常包括详尽的临床信息，但如果数据只来源于一家医疗机构或规模较小，往往无法确保覆盖了参与者所有的干预策略接受或结局发生信息 ［ 21 ］ ，无法避免错误分类偏倚，而且不同医疗机构使用的EHR在数据格式、编码以及非结构化数据上差异较大，数据提取与整合难度较大 ［ 22 ］ 。登记数据库用于收集特定疾病或暴露人群的结构化数据 ［ 23 ］ ，特别是罕见病 ［ 24 ］ ，数据质量和标准化程度较高，但也难以进行广泛的跨疾病研究，维护成本也较高。保险索赔数据库可以在多个医疗机构中追踪参与者，覆盖人群广泛，适合开展需要长期随访评估结局的研究，但缺乏详细的临床细节，例如诊断不精确或不包含实验室检查结果 ［ 21-22 ］ 。此外，一些TTE也会使用既往研究的数据，例如队列研究或RCT。 在进行TTE时会面临使用的真实世界数据无法满足TTE严格的方案设计的挑战。在使用真实世界数据对目标方案进行模拟仿真时，需要考虑现有数据的内容与质量来调整试验方案，例如修改纳排标准或者结局指标，但这种调整可能会使仿真试验偏离理想的目标试验，引入选择偏倚或混杂偏倚，影响因果推断的准确性，甚至得出错误的效应估计。因此，研究者应了解不同类型真实世界数据的特点与优劣势，选择和使用与研究目的和设计相符合的数据，做好真实世界数据的适用性与试验设计原则的严谨性的平衡，尽可能保持试验仿真方案与目标试验方案的一致性，以便获得最接近RCT的效应估计。 推荐意见6：尽可能选择多来源、高质量的真实世界数据，提供更全面的治疗策略、结局与潜在混杂因素等信息，以降低信息偏倚和未测量混杂因素的影响；并清晰完整地定义干预措施和结局指标，以降低错误分类偏倚的影响。 解读与证据：错误分类偏倚是指将参与者的暴露或结局测量分类错误时出现的一种信息偏倚，根据在组间错误分类的可能性是否有差异又分为有差异错分和无差异错分 ［ 25-26 ］ 。在使用各种真实世界数据进行TTE时，错误分类偏倚难以避免，例如：（1）数据库中暴露和结局的信息来自参与者的自我报告而参与者对相关信息的记忆不准确或不如实报告 ［ 27 ］ ，数据录入错误或信息编码错误，但TTE研究者无法控制数据库自身的缺陷，需要尽可能选择客观测量的真实世界数据，如实验室结果、处方记录或诊断代码等；（2）研究设计中对治疗策略或结局定义不准确或不完整，因此需要参考以往研究中经过验证的治疗策略或结局的定义 ［ 28 ］ ，并制定逻辑合理的数据识别与提取策略；（3）数据来源单一则无法覆盖参与者所有关于治疗策略或结局的信息，例如Xie等 ［ 29 ］ 的TTE中，如果参与者从退伍军人事务系统之外的医疗机构获取莫诺拉韦的处方，就会出现暴露错误分类，导致莫诺拉韦的效果被低估，如果参与者在其他医疗机构住院或死亡从而不被记录，就会出现结局错误分类，即便是无差异错分，也会降低估计的绝对风险。因此研究者应采纳多类别多源真实数据库尽可能全面地捕获参与者的治疗策略和结局信息，例如Bidulka等 ［ 30 ］ 的TTE中使用了关联医院就诊统计（HES）的英国临床实践研究数据链（CPRD）来确定心血管和肾脏结局，并通过英国国家统计局死亡记录的链接获取参与者的生存结局，尽可能降低了错误分类的风险 ［ 30-31 ］ ，或者仅纳入依从性好的参与者，如确定居住地址且长期规律到固定医疗机构寻求服务的人群 ［ 32 ］ 。 推荐意见7：TTE中混杂因素识别和处理较为重要。可使用有向无环图（DAG）将暴露/干预措施、结局与混杂因素等变量之间的因果关系进行可视化，协助研究者识别潜在的混杂因素。 解读与证据：TTE尝试模拟RCT，因此需要尽可能控制所有影响干预与结局的混杂变量，以避免偏倚。然而，现实中无法观测到所有混杂变量（如生活方式、社会心理状态等），因此要识别并评估未测量混杂因素带来的潜在偏差。DAG是因果推断中的重要工具，它有助于从现有数据中识别哪些变量是潜在的混杂因素（需要调整），避免错误地调整中介变量或碰撞变量而引入新偏倚 ［ 33 ］ 。DAG可视化之后，研究者可以据此制定变量纳入模型的策略，避免“仅凭统计显著性选择协变量”的做法，增强了因果推断的理论支撑，因此在TTE中需要应用DAG识别混杂因素，以确定完整、准确的协变量，这是有效控制混杂因素的前提 ［ 28 ， 30 ， 34 -35 ］ 。 推荐意见8：采用新用药者设计以控制现使用者偏倚，通过纳入一定时间内未用药者并使用其用药前的信息作为基线特征，来避免既往用药对研究结果的影响。 解读与证据：在进行观察性研究时，常见的方法学缺陷之一是纳入的参与者在研究开始时已经接受过一段时间的研究所关注的治疗，这部分参与者即为现使用者，他们可能会有更好的依从性或受到药物的长期效应影响等 ［ 36 ］ ，从而表现出更好的效果，导致高估疗效。另外如果研究纳入了过多的现使用者，就可能会漏掉该治疗的高风险人群，这部分人群可能因用药出现了不良反应甚至死亡而无法继续用药，最终导致高估药物的安全性。 为控制现使用者偏倚，Ray ［ 37 ］ 提出了新用药者设计，即参与者应限制为在研究开始前的一段时间（洗脱期）内未用药的人群，且所有参与者的基线特征应采取自研究开始之前。在TTE中，部分研究将在所使用的数据库首次使用或洗脱期内未使用所关注的治疗措施记录定义为新用药者，也有研究则使用了更严格的标准：设置了一个合适的回溯期（根据洗脱期设置），并要求研究对象在治疗首次启动前的该回溯期内，在数据库中没有使用所关注的治疗措施的记录。TTE中应用新用药者设计是必要的，但需要注意“识别新用药者”在数据清洗上存在一定的复杂性，以及“排除现使用者”会导致一定程度的样本量损失与统计功效降低。 推荐意见9：选择合理的时间零点，即尽可能保证参与者满足纳入标准且不违反排除标准的时间点、治疗策略的分配时间点和随访开始的时间点这三个时间点为同一时间，当这些时间点不统一时，注意识别与控制永恒时间偏倚。 解读与证据：TTE设计的一个关键点是确定时间零点。在RCT中，参与者符合入排标准的时点、开展治疗措施的分配时点和随访开始时点这三个时间点因由研究者人为控制而容易定义，但在使用真实世界数据进行TTE时，会出现以上时间点不同步的情况而产生偏倚，例如治疗措施的分配发生在随访开始后就会出现永恒时间偏倚 ［ 38 ］ 。 永恒时间是指在队列的观察或随访期间，所研究的结局不可能发生的时间段 ［ 39 ］ ，它往往是在参与者开始接受治疗措施之前，而当不同组间的永恒时间不平衡时就会产生永恒时间偏倚 ［ 40 ］ ，例如在Xie等 ［ 29 ］ 评估莫诺拉韦在减少新型冠状病毒感染的住院率或死亡率的TTE中，以新型冠状病毒检验阳性时间为T0，只有在T0和接受莫诺拉韦之间的时间段没有发生结局（即永恒时间）的参与者才可能被分配到试验组，而对照组没有接受治疗自然不会有这段永恒时间，如果此时不对永恒时间偏倚进行处理，就会高估莫诺拉韦的有效性。 在TTE中处理永恒时间偏倚的常见策略包括克隆-删失-加权法（下见推荐意见12），或者为对照组的参与者在试验组中寻找一个基线特征相同或近似的个体，获取该个体的永恒时间以对齐T0。 推荐意见10：当研究对象在很长一段时间都满足纳入标准且不违反排除标准，因而较难确定T0时，可以考虑在长期随访的队列数据中应用序贯试验设计，创建多个嵌套仿真试验，允许研究对象在多个试验中多次入组，并在分析中对方差进行调整。 解读与证据：在确定T0时，另一个常见的困难是，参与者在多个时间点上都满足纳入标准且不违反排除标准，例如Johansson等 ［ 35 ］ 的评估进行更年期激素治疗对心血管疾病风险影响的TTE中，符合标准的绝经后女性都可以纳入研究，对试验组来说，可以开始治疗的时间作为T0，但对对照组来说选择哪一时间点作为T0则非常困难。一种解决方法便是采用序贯试验设计，所有的参与者在满足纳入标准且不违反排除标准的情况下可以多次进入试验。 Johansson等 ［ 35 ］ 从2007年7月到2018年12月期间每月启动一项模拟试验，每项试验的入组期为1个月，在每项试验的入组期内，当月开始激素治疗的个体被分配到试验组，尚未开始激素治疗的个体被分配到对照组（即便她们在试验开始后进行了激素治疗），这种设计提高了统计功效，但需要注意很多参与者参与了多项试验，需要对他们的事件被记录多次的情况进行调整，例如Johansson等 ［ 35 ］ 在统计分析时，在所构建的Cox比例风险回归模型中加入了cluster（id）项，以使用稳健方差估计量构建保守的95% CI。 推荐意见11：根据不同的研究目的、研究设计与数据资源选择合适的事后随机化方法，如仅控制混杂因素的PSM和逆概率治疗加权等，可以同时控制混杂因素和永恒时间偏倚的克隆-删失-加权法，适用于动态治疗策略的复杂场景的参数g公式等。 解读与证据：PSM、逆概率治疗加权（IPTW）以及基于IPTW的克隆-删失-加权（CCW）法是TTE中常用的几种事后随机化方法。PSM根据潜在混杂因素等相关协变量估计所有参与者接受干预的概率，即倾向性评分（PS），将高维协变量降维成一维变量，随后在试验组和对照组间按照PS进行匹配。PS的估计通常是构建以干预措施为结局的logistic回归模型。PSM与精确匹配相比通过降维纳入了更多的协变量，更大限度地利用有限样本，但仍然会丢弃一部分未匹配成功的样本，降低了统计效率和代表性。此外，通过PSM的配对并非真正的相似，需要通过计算标准化均值差评估；IPTW的核心思想是根据PS为每个参与者赋予一个权重，构建了一个伪人群来模拟RCT的随机化，试验组的权重为1/PS，对照组的权重为 1/(1−PS)1/(1-PS) ，因此称为逆概率加权。IPTW与PSM相比利用了全部样本，统计效率更高，但需要评估权重的分布，注意极端权重的存在，可通过截断（设置阈值，超过阈值的权重截断为阈值）、稳定权重（乘边际概率）或重叠加权法等策略降低极端权重的影响。 此外，匹配、参数g公式（Parametric g-formula）、双重稳健方法（Doubly Robust Method）等也可用于TTE中的随机化模拟。匹配是在试验组和对照组中配对协变量相似的个体，在匹配后的人群中实现协变量分布平衡，消除这些协变量导致的混杂偏倚。匹配相比其他方法，直观简单且可解释性好，匹配一般要求混杂因素较少或样本量较大，否则难以为每一个个体找到合适的配对。参数g公式适用于存在时间依赖性混杂因素的复杂纵向场景。例如Yang等 ［ 41 ］ 评估社区人群中基于风险评估的降胆固醇干预对心血管疾病及全因死亡风险的影响的TTE中，试验组的干预策略为根据不同的心血管风险特征水平进行不同的干预，且在研究期间对心血管风险进行定期评估，在达到胆固醇降低目标时停止干预，基线时的干预实施取决于先前的心血管风险特征与潜在的混杂因素，未来的心血管风险特征又会受到基线时的干预实施的影响，这种干预的实施与混杂因素互相影响的动态场景，使用其他方法很难解决。双重稳健方法通过融合PS模型和结局模型两方面的信息，旨在实现即使其中一个模型不完美仍能给出相合的效应估计，一般基于靶向最大似然估计（TMLE）或增强逆概率加权（AIPW），“双保险”是其最大优势，但计算量更大、结果解释更复杂、样本量需求更高 ［ 42 ］ 。 在使用了PSM或IPTW等事后随机化方法，原始人群被改变为新的人群，参与者被施加了配对或权重等属性，因此后续的统计分析方法与RCT有所不同，如分析中的方差估计，应考虑人群的这些属性而采用稳健方差估计法 ［ 43-44 ］ 。如在加权后的伪人群中，应报告加权后的统计描述如人年、结局的发生数、发生率等，效应值计算也应使用加权的分析方法，如使用加权Cox比例风险模型计算风险比，使用加权Kaplan-Meier估计法估计累积发生率 ［ 45-46 ］ 。 推荐意见12：当使用CCW法时，在T0时将所有参与者克隆为多份，并为所有分组各分配一份；之后在设定的宽限期内，在各分组内分别将偏离治疗策略的参与者进行删失；最后构建个体参与者的逆概率删失权重以调整这种人为的删失，以控制永恒时间偏倚和混杂因素。 解读与证据：CCW法是Hernán等 ［ 38 ］ 提出的一种可以同时控制混杂因素与永恒时间偏倚的TTE框架，包括以下3步：（1）克隆：在T0，为所有满足纳入标准且不违反排除标准的参与者按照治疗策略数创建多个克隆，并将每份分配到相应的治疗策略组中，例如在Xie等 ［ 29 ］ 的评估莫诺拉韦在减少新型冠状病毒感染者的住院率或死亡率的TTE中将所有合格的参与者在首次感染时（T0）克隆为两份，一个副本被分配到莫诺拉韦组，另一个副本被分配到不治疗组，此时每个治疗策略组的人群特征是完全相同的。（2）删失：在T0之后的一段时间即宽限期内，在每个治疗策略组中，当参与者偏离了所分配的治疗策略时，将其删失，例如Xie等 ［ 29 ］ 的研究中，莫诺拉韦组中的参与者如果在宽限期内接受了其他新型冠状病毒感染的治疗则在当天将其删失，或者未接受任何治疗则在宽限期末将其删失；对照组中的参与者如果在宽限期内接受了莫诺拉韦或其他新型冠状病毒感染的治疗则在当天将其删失，在删失之后，每个治疗策略组中保留的都是符合所分配的治疗策略的参与者，但是这种人为的删失会引入选择偏倚，研究中使用了逆概率删失加权（IPCW）来消除这种选择偏倚。（3）加权：在各个治疗策略组内，在宽限期内的每个时间点上，构建logistic回归模型，估计在预设协变量的条件下当时参与者未被删失的概率，最终的IPCW计算为所有时间点的累积权重。 CCW通过设置宽限期，在宽限期内进行删失处理，并通过加权调整来有效地避免在传统观察性研究分析中常见的永恒时间偏倚，但是CCW对数据要求更高，数据处理与统计建模复杂，且当某治疗组长期遵循的人数较少时，估计的IPCW很可能出现极端权重，容易导致结果不稳定。此外，还需注意宽限期的设置通常根据研究问题与数据质量确定，如Xie等 ［ 29 ］ 的研究中宽限期设置为5 d是因为莫诺拉韦被推荐在新型冠状病毒感染后5 d内服用，并可在敏感性分析中更改宽限期评估结果的稳健性。 推荐意见13：在使用事后随机化方法对基线特征进行调整的前后均应使用标准化均值差（SMD）对不同组间协变量的平衡性进行评估，而并非仅使用 P值判断。 SMD\n 长按识别二维码，访问官网，免费下载 主管：中国科学技术协会 主办：中华医学会 编辑：中华医学杂志编辑委员会 地址：100052，北京市西城区东河沿街69号正弘大厦 网址：http://www.nmjc.net.cn 总编辑：曹雪涛 编辑部主任：吕相征 本刊微信：nmjc1915 新浪微博：中华医学杂志 官方网站：http://nmjc.net.cn 想分享到“朋友圈”？请点击右上角“…”按钮； 有话对我们说？请直接点击文章右下方“写留言” 发送吧！ 封面图来源于AI合成，如有侵权请联系删除

推荐意见与 GRADE 证据分级

相关指南

• 糖尿病肾脏疾病临床诊疗中国指南 · 内分泌与代谢 2021
• 高血压患者靶器官动态评估与长程管理专家共识 · 心血管内科
• 慢性肾脏病高甘油三酯血症管理专家共识 · 心血管内科 2022
• 血脂异常基层诊疗指南(实践版·2019) · 心血管内科 2019
• 中国慢性冠脉综合征患者诊断及管理指南 · 心血管内科
• 动脉粥样硬化斑块的筛查与临床管理专家共识2022 · 公共卫生与预防 2022