很(hěn)多(duō)人對真實世界臨床研究比較感興趣，也在咨詢，真實世界應該用(yòng)什麽統計學(xué)分(fēn)析方法，一定要做傾向得分(fēn)匹配嗎？之前老套的回歸分(fēn)析方法不能(néng)用(yòng)了嗎？
不是的。
一般來說，真實世界研究與随機對照試驗最大的差别之一是，真實世界研究會由于分(fēn)組不均衡，存在着混雜偏倚，導緻真實世界研究結果可(kě)靠性不足。
怎麽辦，一般情況下，最常用(yòng)的方法包括傳統的回歸分(fēn)析、網紅方法傾向得分(fēn)法、高大上的工具變量法等一些方法。
回歸方法被稱為(wèi)傳統方法，是因為(wèi)它被發現已經快150年了！百年來如一日，手段和方法似乎就那麽回事。最近幾年已經被傾向得分(fēn)法鄙視地一塌糊塗，毫無還手之力！
但實際上，真實世界研究也沒有那麽複雜的統計方法，回歸分(fēn)析也沒有那麽不堪，和傾向得分(fēn)法之間，就是伯仲之間！
真實世界研究采用(yòng)兩種形式的回歸來控制混雜：
第一種，最普通的一種，就是把混雜因素和研究的目标因素一同放入回歸模型開展分(fēn)析；
第二種，借助“效應改變法”來進行回歸分(fēn)析，控制因素！
本文(wén)借助兩篇文(wén)獻就來說說如何應用(yòng)最普通的回歸方法将文(wén)章發表在頂級JAMA和BMJ主刊上。
兩篇頂級論文(wén)的基本介紹
第一篇 ：BMJ: 享受藝術，延長(cháng)壽命！
這篇探讨英國(guó)人藝術參與的不同頻率與死亡率的關系。研究選擇了2004-2005年6710名50歲及以上社區(qū)居民(mín)，随訪14年後發現：與從未參與藝術活動的人相比，不斷參與包括看電(diàn)影在内的藝術活動的人在跟随期間的總死亡風險降低了14％，經常參與接受藝術活動的人死亡風險降低了31％。結論是人老了多(duō)參與藝術活動，看看話劇、看看電(diàn)影，都是延年益壽的好事。
這是個觀察性隊列研究，研究因素是參與藝術的頻率（從不、偶爾、經常），對照組是從不參與藝術活動的人，結局是生存時間資料。由于是觀察性研究，有一堆的混雜因素。
第二篇 ：JAMA: 過早自然絕經和手術絕經增加心血管疾病風險
2006-2010年間，研究組在英國(guó)招募了144260名40-69歲絕經後的女性，并随訪至2016年8月。自然過早絕經指40歲前未經手術自然絕經，手術過早絕經指40歲前行雙側卵巢切除術，正常絕經的女性為(wèi)對照組。在144260名絕經後女性中，與正常絕經的女性相比，自然過早絕經與手術過早絕經組中發生心血管疾病事件風險比分(fēn)别為(wèi)1.36和1.87，且具有統計學(xué)意義！總之，40歲前自然絕經或手術絕經增加了絕經後女性複合心血管疾病的風險。
這同樣是個觀察性隊列研究，研究因素絕經特點（絕經時間>40歲、絕經時間<40歲但自然絕經、絕經時間<40歲但手術絕經），對照組是絕經時間>40歲的女性，結局同樣是生存時間資料。這個研究顯然也有一堆的混雜因素。
兩篇頂級論文(wén)的基本統計分(fēn)析套路
一般來說，對于觀察性研究，基本思路較為(wèi)簡單，也就是先做一個基線(xiàn)差異性比較，然後挑選混雜因素開展回歸分(fēn)析，然後。。。。沒有了!
别以為(wèi)這兩篇論文(wén)頂級論文(wén)會有多(duō)麽高級的方法，他(tā)們也就這麽幹。我們不妨來看看他(tā)們的統計學(xué)方法
首先，進行基線(xiàn)差異性比較
第一篇BMJ：
第二篇JAMA：
第一篇用(yòng)卡方，第二篇還考慮了定量數據的方差分(fēn)析和秩和。
其次，上馬回歸分(fēn)析
兩篇論文(wén)都是生存時間資料，具有随訪時間和生存結局，對于這類數據，我們一般采用(yòng)K-M方法和COX回歸。這碗酒，JAMA和BMJ也都幹了!
第一篇BMJ：
第二篇JAMA：
然後，列出混雜因素
任何好的任何，對與混雜因素的分(fēn)析不能(néng)含糊。既然要控制混雜，必須列出哪些是潛在的混雜因素。
第一篇BMJ：
第二篇JAMA：
注意：COX回歸都有等比例風險的假設的論證，因此，兩篇論文(wén)分(fēn)别都說：
其方法如出一轍，都是Schoenfeld residuals test
核心的回歸分(fēn)析方法就是這些。
兩篇論文(wén)的主要結果
第一篇BMJ
第二篇JAMA
閑來鄭語
當然，必須承認，作(zuò)為(wèi)頂級期刊發表的論文(wén)，統計學(xué)方法必然非常詳細，具體(tǐ)還有很(hěn)多(duō)小(xiǎo)細節和考究，有興趣的可(kě)以發送關鍵詞到公衆号對話框進行學(xué)習。
我這裏想說的是，作(zuò)為(wèi)真實世界研究，缺失值處理(lǐ)和敏感性分(fēn)析手段是不可(kě)或缺的！JAMA有一長(cháng)段論文(wén)涉及缺失值處理(lǐ)，BMJ則花(huā)了足足三段文(wén)字探讨敏感性分(fēn)析。
回歸分(fēn)析來控制混雜因素，那麽如何挑選潛在混雜因素呢(ne)？一般情況下，基線(xiàn)存在着差異的變量可(kě)以認為(wèi)是潛在混雜因素，所以觀察性研究必須要結合基線(xiàn)差異性探讨。
此外，基線(xiàn)差異性的變量可(kě)能(néng)不是混雜變量，可(kě)能(néng)是中間變量！怎麽辦？結合有向無環圖（directed acyclic graphs，DAG）是最佳的策略，比如BMJ這篇就是這麽說的：
