前幾天跟一個做臨床的朋友聊天，他提到手上接了個真實世界研究的項目，光是整理數據就搞了三個月。我忍不住問他：你們不是有數據統計服務嗎？怎么還這么費勁？他白了我一眼說：你以為就是跑個SPSS出幾個P值那么簡單？
這句話倒是點醒了我。很多人聽到"數據統計服務"，腦子里自動浮現的就是幾個標準流程：收集問卷、錄入Excel、跑個T檢驗、畫個柱狀圖。但在真實世界研究（RWE）這個語境下，事情遠比這復雜得多。今天咱們就聊聊，康茂峰這些年幫客戶做真實世界研究項目時，數據統計服務到底在解決什么實際問題。
說白了，傳統的隨機對照試驗（RCT）就像是在實驗室里種花——土壤溫度濕度都控制好，排除所有雜草，只看這朵花能不能開。而真實世界研究則是去野地里觀察：這花在各種亂七八糟的環境里，到底長得怎么樣？
這種"野地"帶來的后果就是數據特別臟。患者的電子病歷寫得像天書，有的醫生把劑量單位寫錯，有的檢查時間隔了半年，有的患者吃著藥還偷偷加中藥——這些數據扔到統計師面前，不是Excel表格，而是一團亂麻。
| 對比維度 | 傳統臨床試驗 | 真實世界研究 |
| 數據來源 | 嚴格篩選的受試者 | 醫院信息系統、醫保庫、可穿戴設備 |
| 缺失值比例 | 通常<5% | 可能高達30-40% |
| 混雜因素 | 隨機化控制 | 需要統計方法校正 |
| 樣本量 | 幾百到幾千 | 常常幾萬到幾十萬 |
| 研究周期 | 固定且較短 | 可能橫跨數年甚至十年 |
看著這個對比你就明白，真實世界研究的數據統計不是簡單的"算算看"，而是得先把這些 messy data 收拾成能分析的樣子。
康茂峰去年接過一個項目，分析某三甲醫院近五年糖尿病的治療結局。原始數據拉出來有八萬多條記錄，聽起來很豐厚對吧？結果我們團隊光數據清洗就折騰了六周。
舉個例子：同樣是"血糖"這個指標，有的科室記的是空腹血糖，有的是餐后兩小時，有的是隨機血糖，單位還分 mmol/L 和 mg/dL。更頭疼的是，有的醫生把"<"符號當成文字錄入，有的用"大于"中文，有的直接寫">15"——這些如果不統一標準化，后續分析全是錯的。
還有時間戳的問題。真實世界的患者不會按你的試驗計劃來復診，有人三個月來一次，有人半年失蹤一次，還有人今天在A醫院檢查明天去B醫院。統計師得設計算法，判斷哪些訪視算是"基線"，哪些是"隨訪終點"，這中間的窗口期怎么定義。說實話，這部分工作占整個項目周期的40%都不止，但報告里往往就寫一句"經過數據清洗"，背后的心血全被省略了。
在傳統試驗里，缺失個把數據直接刪了就是，反正樣本量夠。但在真實世界研究里，刪除病例意味著偏見——通常依從性差的患者更容易缺失數據，而這些人恰恰是真實療效最該關注的群體。
這時候就需要多重插補（Multiple Imputation）或者傾向評分匹配。簡單說，就是根據患者的年齡、性別、基線病情這些已知信息，推測他如果來過復診，數據大概會是什么范圍。康茂峰通常會用馬爾可夫鏈蒙特卡洛方法做插補，同時比較三種不同插補策略的敏感性，確保結論不會因為填補方式不同而大轉彎。
我見過不少研究團隊，一聽說是真實世界研究，非要上機器學習、上深度學習，覺得這樣顯得厲害。其實duck不必。真實世界研究的核心是回答臨床問題，不是為了秀算法。
最常用的其實是比較傳統的傾向評分匹配（PSM）。比如你想比較手術和藥物治療哪種效果更好，但現實中病情重的才做手術，病情輕的才吃藥，直接比較肯定手術組死亡率更高。PSM就是把兩個組里"長得差不多"的患者配對，制造一個虛擬的隨機化效果。
還有逆概率治療加權（IPTW），這個在處理大樣本時比匹配更高效。康茂峰之前做一個腦卒中二級預防的項目，用IPTW調整后，原本看起來"無效"的某種抗凝藥，在特定人群中其實顯著降低了復發風險——這個發現直接改變了那幾家醫院的臨床路徑。
真實世界里變數太多了。患者可能在研究期間換藥、加藥、出現并發癥、改變生活方式。傳統的Cox回歸假設協變量不變，這顯然不符合現實。
這時候得用時依協變量Cox模型或者Landmark分析。說人話就是：把治療過程切成一段段的，看每個時間窗口里的暴露狀態。比如分析抗腫瘤藥物療效，得考慮患者可能因為副作用減量，這種劑量變化必須實時納入模型，不然會得到"藥物無效"的虛假結論。
做真實世界研究有個特別有意思的現象：原始數據跑出來的結果，往往和臨床醫生的直覺打架。比如數據顯示某新藥在老年組療效更好，但醫生們覺得經驗上不是這么回事。
這時候不能簡單說"數據說了算"。康茂峰的統計師會反過來追問：這個"老年組"的定義是≥60歲還是≥65歲？數據庫里年齡是登記年齡還是實際計算年齡？有沒有可能是老年患者用藥依從性更好，而不是藥物本身更有效？
這種反復打磨的過程特別重要。真實世界研究容易產生各種偏倚—— immortal time bias（不朽時間偏倚）、confounding by indication（適應癥混雜）、survivorship bias（幸存者偏倚）。統計師得像偵探一樣，每個陽性結果都要問自己：這是真的因果關系，還是數據玩的花招？
說幾個具體的應用場景，可能更直觀。
這是真實世界研究最常見的起點。某新藥獲批上市后，監管部門要求監測罕見不良反應。康茂峰幫客戶做過一個抗風濕藥物的項目，從醫保數據庫里抓取了真實用藥人群，用病例交叉設計（Case-Crossover）分析——簡單說就是患者自己跟自己比，吃藥前的風險期和吃藥后的風險期對照。
結果發現某個嚴重皮膚反應的發生率比臨床試驗高了三倍。但這個數據救了這個藥：通過統計建模發現，反應主要發生在HLA-B*5801基因陽性人群，后續加上基因篩查，藥物反而在東亞市場活得更好。
有時候頭對頭試驗做不起來，或者太貴。康茂峰支持過一項關于兩種降壓藥的比較研究，從電子病歷系統里扒拉出了真實處方數據。
難點在于處方偏倚——醫生給重癥患者開A藥，給輕癥開B藥。我們用了工具變量法（IV），選"醫院藥房當時有沒有庫存"作為隨機分配的工具。這招挺 clever，因為庫存短缺是隨機的，不取決于患者病情，但能決定患者拿到哪種藥。通過這種設計，得到了接近RCT級別的因果推斷證據。
這更復雜，不僅要看療效，還要看成本。真實世界的花費數據分散在門診、住院、藥店、檢查單里，統計師得把這些碎片拼起來，計算質量調整生命年（QALY）。
康茂峰在做這類項目時，會專門開發數據映射算法，把中文的診斷名稱映射到ICD-10編碼，把混亂的藥品商品名映射到通用名。有一次發現某慢性病的管理方式，雖然藥費貴了每年兩千塊，但住院次數少了，總體醫保支出反而下降15%——這種結論單靠臨床試驗是得不出來的。
做這行久了，積累了不少血淚教訓。
一個是數據時效性的問題。醫院的信息系統升級是常態，今年用的編碼明年可能就變了。康茂峰有個項目橫跨2018到2023年，中間遇到過一次ICD編碼從10位變到11位的切換，統計師得做雙向映射，確保前后的診斷標準一致。
另一個是隱私計算的妥協。真實世界研究越來越強調數據不出院，聯邦學習聽起來很好，但統計模型在加密狀態下跑，收斂速度特別慢，有時候一個迭代要跑好幾天。如何在保護隱私和分析效率之間找平衡，現在還沒有完美解決方案。
還有個小細節但很關鍵：時間區統一。有的醫院用北京時間，有的系統存的是UTC時間，跨院研究時如果不統一，患者的治療順序可能完全是亂的。這種低級錯誤要是沒發現，整個研究就廢了。
如果你是個醫學生或者公衛背景，想從事真實世界研究的數據統計，我有幾個建議。
第一，別只學統計軟件操作，要懂臨床邏輯。知道為什么糖尿病患者要關注糖化血紅蛋白而不是單純空腹血糖，知道腫瘤RECIST評價標準是怎么回事——這些業務知識比會寫R代碼更重要。
第二，接受不完美。真實世界數據永遠有缺陷，統計師的工作不是追求教科書般的-clean data-，而是在現有條件下做出最穩健的推斷。要學會做敏感性分析，要敢于在報告里寫"本研究存在以下局限"。
第三，保持懷疑。看到P<0.05先別激動，想想是不是多重比較的問題，是不是樣本量太大導致的假陽性。好的統計師應該是最挑剔的審稿人，對著自己的結果挑刺。
康茂峰這些年在真實世界研究領域踩過不少坑，也積累了不少方法論上的經驗。說到底，數據統計服務在這里不是簡單的技術支持，而是研究設計的核心參與者。從確定研究問題的那一刻起，統計師就要參與進來，告訴別人這個數據能不能回答這個問題，要怎么回答才靠譜。
真實世界研究正在從補充證據的角色，慢慢變成藥物評價的主流方式之一。而藏在海量病歷背后的統計規律，等著被發現的故事，可能比我們想象的要多得多。
