目标试验模拟：用观察数据仿造一项抗衰随机试验

研究说了什么

这类研究用大型队列或电子病历数据，按照目标试验的框架定义入组条件、治疗策略、分配时点、随访起点与结局，再用克隆、删失与加权的方法模拟随机分配。一篇针对二甲双胍与老年结局的分析，以英国生物样本库为基础，比较开始服用二甲双胍者与未服用者在数年内的心血管事件与死亡风险。结果显示，模拟分析给出的效应估计比既往随机试验更乐观，且在改变洗脱期、调整变量与处理依从性后波动明显。作者将其归因于健康使用者偏倚、适应证混杂与未测的生活方式差异。

为什么重要

抗衰领域不可能对所有问题都做随机试验，观察数据因此常被用来填补空白。目标试验模拟比传统回归更严格，因为它强迫研究者明确「如果做试验，会怎么设计」，并把时间零点、治疗切换与删失放在明面上。但方法再严谨，也无法把未测量的混杂变成随机。它最适合回答「在真实诊疗中，这个策略与那个策略相比如何」，而不是替代疗效确证。

证据与边界

这是观察性分析的模拟结果，只能算 preliminary。处方数据无法完全捕捉实际服药、剂量调整与停药，依从性靠填补推断。健康使用者效应难以量化：愿意长期服药的人本身更关注健康。结局编码依赖病历质量，虚弱、失能等老年结局常被低估。模拟结果对参数选择敏感，不同研究团队用同一数据库可能得出不同结论。它可以为试验设计提供假设与样本量依据，但不能作为审批或临床指南的唯一基础。