研究说了什么
真实世界证据来自电子病历、医保理赔、疾病登记、可穿戴设备与患者自报，设计上常用新使用者主动对照、倾向评分匹配、工具变量与负对照结局。它的长处是样本大、随访长、人群接近日常诊疗。经典的反转发生在激素替代疗法。二十世纪八九十年代的多项观察研究显示，使用激素的女性冠心病风险更低，效应量可观，机制上也说得通。二〇〇二年妇女健康倡议的随机试验却给出相反结果：雌孕激素联合组的冠心病风险比约一点二九，卒中约一点四一，乳腺癌约一点二六，试验因风险增加而提前终止。事后分析认为，观察研究里的使用者整体更健康、更富裕、更常体检，这些未测量因素共同制造了保护性假象。这个案例至今仍是真实世界证据教学的起点：不是数据量不够，而是混杂没被看见。观察性研究还容易出现另一种错位：把停药者归入未暴露组，于是暴露组只剩下能耐受药物的人，这类结构性偏倚靠增加样本量无法消除。随机试验的价值恰在于，分配机制切断了用药与预后之间的这条暗线，但随机试验也有代价：入排标准严格、随访时间有限、人群代表性不足。
为什么重要
评估一份真实世界研究，可以按四个检查点过一遍。人群：纳排标准是否覆盖了你关心的那类人，老年人、肾功能不全者、多重用药者常被数据库隐性排除。暴露：剂量、疗程、依从性如何定义，用一次处方代表长期服药会引入错分。结局：诊断编码的阳性预测值是多少，不同医院编码习惯是否一致，门诊记录能否捕捉到轻症事件。混杂：时间相关因素是否处理，最典型的是不朽时间偏倚，把必须活到拿药才算暴露的人与其他人比较，等于凭空送给他们一段生存时间。抗衰领域的观察数据还多一层麻烦：保健品的购买记录不等于服用记录，而愿意长期购买的人本身就更在意健康。监管机构接受真实世界证据的场景有限，多集中在罕见不良事件、长期安全性、超说明书人群与单臂试验的外部对照。四个检查点里，任何一个失守，结论的方向都可能反转；可用的补救包括新使用者设计、活性对照、负对照结局与定量偏倚分析，但没有一种能替代随机化。倾向评分只能平衡已经测到的变量，测不到的饮食、运动与功能状态仍然留在残差里。
证据与边界
真实世界证据不能替代确证性随机试验，这一点在监管文件中写得很明确。它可以回答某干预在广泛人群中是否出现意料之外的事件，可以在随机试验不可行时提供间接对照，可以帮助设计更贴近现实的试验方案，但很难独立支撑疗效结论，因为未测量混杂永远存在，而倾向评分只能平衡被记录下来的变量。近年一项仿实验研究用同一批数据库模拟了三十余项随机试验，约四分之三的结论在方向与量级上接近，其余的存在明显偏差，说明方法得当的观察研究可以接近随机证据。但接近不等于等同，且事前无法判断哪一项会失手。可行的自律包括：方案在分析前注册，暴露与结局定义固定，阴性对照结局用于探测残余混杂，代码与数据字典公开。表述上也应守住分寸，把结果称为关联，而不是因果。对读者的实用判断是看三件事：数据源是否适合这个问题、暴露定义是否经得起推敲、作者有没有做定量偏倚分析，三者缺一，结论就只能当作线索。当一项观察研究报告的效应量远大于此前所有随机试验时，首先该怀疑的是偏倚，而不是发现。