外部对照组设计的国际多中心协调经验

外部对照组设计的国际多中心协调经验演讲人01外部对照组设计的国际多中心协调经验02引言：国际多中心研究中外部对照组设计的价值与挑战03外部对照组设计的理论基础与适用场景04国际多中心协调的核心挑战：从理论到实践的落差05国际多中心协调体系的构建与实施：标准化与灵活性的平衡06典型案例分析：从挑战到落地的实战经验07总结：外部对照组设计国际多中心协调的核心经验目录01外部对照组设计的国际多中心协调经验02引言：国际多中心研究中外部对照组设计的价值与挑战引言：国际多中心研究中外部对照组设计的价值与挑战随着全球临床研究向高效化、真实化、国际化发展，外部对照组（ExternalControlGroup,ECG）设计因其能够减少传统内部对照的伦理压力、缩短研究周期、降低成本等优势，在罕见病药物、肿瘤创新疗法、医疗器械真实世界评价等领域得到广泛应用。尤其当随机对照试验（RCT）因伦理可行性（如标准治疗缺失）、患者入组困难（如罕见病）或现实医疗场景需求难以开展时，ECG设计通过整合历史数据、真实世界数据（RWD）或平行外部对照，为疗效评价提供了重要补充路径。然而，ECG设计的核心挑战并非仅在于统计学方法的选择，更在于国际多中心场景下的复杂协调——不同国家的法规体系、伦理要求、数据标准、临床实践差异，以及跨文化、跨时区的沟通协作，都可能直接影响数据质量、研究合规性与结果可靠性。引言：国际多中心研究中外部对照组设计的价值与挑战基于笔者在抗肿瘤药物、罕见病基因治疗领域的国际多中心ECG设计协调经验（涉及欧洲、北美、亚太等12个国家的28个中心），本文将从ECG设计的理论基础出发，系统梳理国际多中心协调的核心挑战，构建标准化协调体系，结合典型案例分析实践经验，并展望未来发展方向，以期为行业提供可落地的协调方法论与实操参考。03外部对照组设计的理论基础与适用场景1外部对照组的定义与核心特征外部对照组是指不与试验组同期随机分配，而是来自历史研究、真实世界数据库、平行外部试验或文献数据的对照组。其核心特征包括：非同期性（数据收集时间与试验组不同步）、非随机性（分配由研究者或数据源决定）、异质性风险（基线特征、诊疗环境可能存在差异）。相较于内部对照组，ECG设计需通过严格的倾向性评分匹配（PSM）、倾向性评分加权（IPTW）、敏感性分析等方法控制选择偏倚，并通过历史数据验证（如验证历史对照组与目标人群的基线一致性）确保结果可靠性。2适用场景的深度解析ECG设计的适用需基于科学性与可行性双重考量，典型场景包括：-罕见病领域：患者数量稀少，难以在单中心或多中心内完成随机化。例如，在脊髓性肌萎缩症（SMA）的基因治疗试验中，欧洲罕见病数据库（ERNDIM）的历史自然病史数据被广泛用作外部对照，通过匹配年龄、疾病分型等基线特征，替代传统内部对照。-高成本/长周期干预：如CAR-T细胞治疗试验，若采用内部随机对照，需设置“标准治疗+安慰剂”对照组，不仅增加伦理风险，也导致成本飙升。此时，采用历史真实世界数据（如美国SEER数据库）作为外部对照，可显著缩短研究周期。-真实世界证据（RWE）补充需求：当需要验证试验结果在真实医疗环境中的普适性时，ECG可整合电子健康记录（EHR）、医保数据库等RWD，例如在糖尿病药物试验中，结合欧洲多国医保数据库的外部对照，评估药物在合并症患者中的长期疗效。3统计学设计的核心考量ECG的统计学方法选择需基于数据类型与研究目的：-主要分析策略：包括匹配-比较法（如PSM匹配历史对照与试验组基线特征）、调整模型法（构建回归模型控制混杂因素，如Cox比例风险模型）、贝叶斯方法（整合先验信息与外部数据，提升小样本试验的统计效能）。-偏倚控制：需通过E-value量化未观测混杂因素对结果的影响程度，通过阳性性对照分析验证外部数据的适用性（例如，在肿瘤试验中，验证历史对照组对标准治疗的反应是否与既往RCT一致）。-样本量估算：ECG设计的样本量需同时考虑试验组样本量与外部对照的“有效样本量”（经匹配/筛选后的可用数据量），避免因外部数据质量不足导致统计效能降低。04国际多中心协调的核心挑战：从理论到实践的落差国际多中心协调的核心挑战：从理论到实践的落差ECG设计的国际多中心协调远不止“数据整合”与“统计分析”，而是涉及法规、伦理、数据、人员等多维度的复杂系统工程。基于笔者经验，协调中的挑战可归纳为以下五类，每类挑战均可能成为研究成败的关键节点。3.1Regulatory挑战：多国法规体系的“碎片化”与冲突国际多中心研究需同时满足试验发起国（如美国FDA）、参与国（如德国BfArM、日本PMDA）的法规要求，而ECG设计因涉及“非试验数据使用”，更易引发监管争议。核心挑战包括：1.1方案设计的法规差异-美国FDA：要求ECG数据需来自“同质人群”（HomogeneousPopulation），且外部数据源需通过FDA的“真实世界证据计划（RWEProgram）”认证，例如在2021年批准的脊髓性肌萎缩症基因治疗试验中，FDA要求外部历史数据必须来自全球多中心注册研究（如NURTURE研究），确保人群基线一致性。-欧洲EMA：强调“适应性设计（AdaptiveDesign）”，允许在试验中期根据外部数据调整分析计划，但要求外部数据来源透明（如公开数据库需注明版本号、纳入排除标准）。-亚太地区：中国NMPA要求ECG数据需提供“数据溯源证明”（如医院病历系统的审计追踪记录），而韩国MFDS则更关注外部数据的“伦理合规性”，要求历史数据使用需获得原研究伦理委员会的再批准。1.2文档提交与审批的时间差不同国家的监管机构对ECG相关文档（如外部数据来源说明、统计分析计划）的审核周期差异显著：FDA平均审核时间为60天，EMA为45天，而部分东南亚国家可能长达6-9个月。在某抗肿瘤药物的国际多中心试验中，因巴西ANVISA要求额外补充外部数据源的“数据完整性声明”，导致整体启动延迟3个月。1.3事后监管的合规风险ECG数据涉及多国数据源，需应对不同国家的“数据本地化”要求。例如，俄罗斯Roszdravnadzor要求所有临床试验数据存储于本地服务器，而欧盟GDPR则要求数据出境需通过“充分性认定”。在某罕见病试验中，因未及时将欧洲中心的外部历史数据转移至俄罗斯本地服务器，导致数据监查报告被退回，需重新提交合规证明。1.3事后监管的合规风险2伦理与数据隐私挑战：文化差异与法律红线ECG设计常需使用患者历史数据，其伦理合规性与数据隐私保护是多中心协调的“高压线”。2.1伦理审批的“地域壁垒”不同国家对历史数据使用的伦理要求存在显著差异：-北美（美国、加拿大）：采用“单一IRB（SingleIRB）”模式，由牵头单位IRB审批即可，但要求外部数据源提供“知情同意豁免证明”（如根据美国CFR56.104，使用去标识化历史数据可豁免知情同意）。-欧洲：采用“centralizedethicscommittee（CEC）”与“localethicscommittee（LEC）”双重审批模式，尤其对敏感数据（如肿瘤患者基因数据），要求LEC额外审核“数据最小化原则”的执行情况。-中东地区（如沙特阿拉伯）：要求所有数据使用需获得宗教伦理委员会的批准，且外部数据源必须来自“伊斯兰国家认可的数据库”（如海湾合作委员会（GCC）罕见病数据库）。2.1伦理审批的“地域壁垒”在某基因治疗试验中，因埃及中心伦理委员会要求“外部历史数据需包含阿拉伯语翻译的知情同意书原文”（而原数据为英文），导致数据整合延迟2个月。2.2数据隐私保护的“合规迷宫”GDPR（欧盟）、HIPAA（美国）、PIPL（中国）等数据保护法规对ECG数据的处理提出严格要求：-数据去标识化标准：GDPR要求数据“无法识别到特定个人”（如删除姓名、身份证号，保留年龄、性别等匿名化字段），而HIPAA允许使用“安全harbor标准”（如替换出生日期为年龄范围）。-数据跨境传输：欧盟GDPR要求数据出境需通过“标准合同条款（SCCs）”，而中国《个人信息出境标准合同办法》要求“个人信息处理者需向省级网信部门备案”。在某国际多中心试验中，因未及时完成中国中心外部数据向欧盟的SCCs备案，导致数据分析暂停。2.2数据隐私保护的“合规迷宫”3数据管理挑战：标准化与异质性的矛盾ECG数据来源多样（RCT历史数据、RWD、文献数据），其格式、质量、标准化程度差异显著，是多中心协调中最易被忽视却最关键的环节。3.1数据来源的“质量参差”-历史RCT数据：通常结构化程度高，但可能存在“过时数据”（如10年前的试验未纳入现代影像学评估标准）。-真实世界数据：如EHR数据，虽能反映真实诊疗场景，但存在“记录缺失”（如门诊随访数据不全）、“编码不一致”（如不同医院使用ICD-9与ICD-10编码）。-文献数据：多为汇总数据（如Meta分析），缺乏个体患者数据（IPD），难以进行精细的亚组分析。3.2数据标准化的“技术壁垒”国际多中心研究需统一数据定义与编码，但不同国家/中心存在显著差异：-终点定义：在肿瘤试验中，欧洲中心采用RECIST1.1标准，而部分亚洲中心仍使用WHO标准，需通过“映射字典”统一。-实验室指标：血常规正常值范围在不同国家存在差异（如中性粒细胞绝对值正常值：美国为1.5-7.0×10⁹/L，日本为2.0-8.0×10⁹/L），需通过“标准化转换公式”调整。-术语系统：需采用统一医学术语标准（如MedDRA、SNOMEDCT），但部分中心使用本地术语（如中文版的“脑转移”编码可能不一致），需人工审核与映射。3.3数据传输与存储的“安全风险”ECG数据涉及多国传输，需保障数据“完整性”与“可用性”：-传输加密：需采用AES-256加密标准，但部分国家的老旧IT系统不支持高级加密协议（如伊朗部分医院仅支持SSL3.0）。-存储冗余：要求数据在至少3个不同地理位置的服务器备份（如欧洲法兰克福、美国弗吉尼亚、新加坡），但部分国家的数据中心容量有限（如越南部分中心仅支持本地存储）。3.3数据传输与存储的“安全风险”4中心筛选与启动挑战：资质与效率的平衡国际多中心ECG研究的中心筛选需兼顾“数据质量”与“执行效率”，而启动阶段的培训与沟通直接影响后续数据收集的规范性。4.1中心资质的“多维评估”03-研究者经验：要求中心PI具有“ECG设计相关研究经验”（如发表过ECG分析论文），研究护士熟悉“历史数据提取流程”。02-数据源可靠性：优先选择“ISO15189认证”的实验室、“EDC系统（如REDCap、OpenClinica）使用经验”丰富的中心。01ECG研究对中心的“历史数据管理能力”要求更高，需评估以下维度：04-地域代表性：需覆盖不同人种、疾病谱（如欧洲高加索人、亚洲黄种人），确保外部对照的普适性。4.2启动培训的“文化适配”不同国家的临床研究培训体系存在差异，需采用“分层培训+本地化适配”策略：01-核心培训：通过英文直播统一讲解ECG设计原理、数据提取标准、统计分析计划（如使用SAS进行PSM的实操步骤）。02-本地化培训：针对语言障碍（如法语区中心）、法规差异（如日本GCP要求），提供母语版培训材料与一对一答疑。03-实操考核：要求中心通过“数据提取模拟测试”（如从模拟EHR系统中提取10例患者的基线数据），通过率需≥90%方可启动。044.2启动培训的“文化适配”5质量控制与监查挑战：偏倚风险的动态管理ECG设计的质量控制需聚焦“数据真实性”与“分析结果可靠性”，而传统RCT的监查策略难以完全适用。5.1监查策略的“精准化”-风险导向监查（RBM）：针对ECG数据的高风险环节（如历史数据去标识化、终点事件判定）增加监查频率，例如对肿瘤试验的“影像学评估”进行100%源数据核对（SDV），而对人口学数据采用10%随机抽样。-中心化监查：建立“中央数据分析平台”（如OracleRDC），实时监控各中心数据质量（如缺失率、异常值），例如当某中心的外部历史数据“总生存期（OS）”缺失率>15%时，触发现场监查。5.2偏倚控制的“全周期管理”-基线偏倚：在数据收集阶段，要求中心提供“外部对照基线特征表”（如年龄、性别、疾病分期），与试验组进行实时比对，差异>10%时启动数据补充。-随访偏倚：对RWD来源的外部对照，需验证“随访完整性”（如通过医保数据库确认患者是否失访），避免“immortaltimebias”（immortaltime偏倚）。-分析偏倚：在统计分析阶段，采用“敏感性分析”验证结果的稳健性（如替换匹配算法、调整未观测混杂因素），确保结论不受偏倚影响。05国际多中心协调体系的构建与实施：标准化与灵活性的平衡国际多中心协调体系的构建与实施：标准化与灵活性的平衡针对上述挑战，需构建“全流程、多层级、数字化”的协调体系，将标准化流程与灵活性策略相结合，确保ECG设计的科学性与合规性。基于笔者经验，该体系可分为五个核心模块。1多层级协调架构：明确权责，高效联动国际多中心ECG研究需建立“核心团队-区域协调中心-中心PI”的三级架构，明确各层级的职责边界：1多层级协调架构：明确权责，高效联动1.1核心团队（SteeringCommittee）在右侧编辑区输入内容-组成：由统计学家（负责ECG分析方案设计）、法规专家（负责多国法规解读）、数据科学家（负责数据标准化）、临床PI（负责医学决策）组成。在右侧编辑区输入内容-职责：制定研究顶层设计（如ECG数据源选择标准、统计分析计划），解决跨区域争议（如不同国家伦理审批冲突），定期召开月度进展会议。-设置：按地理区域划分（如欧洲RCC、北美RCC、亚太RCC），每个RCC覆盖3-5个国家。-职责：负责区域内的中心筛选与启动（如组织本地化培训）、数据质量监控（如审核区域数据提交进度）、与当地监管机构沟通（如跟进EMA的反馈意见）。4.1.2区域协调中心（RegionalCoordinatingCenters,RCCs）1多层级协调架构：明确权责，高效联动1.1核心团队（SteeringCommittee）4.1.3中心PI与研究团队（SitePIandStudyTeam）-职责：严格执行ECG数据提取标准（如按统一CRF录入历史数据），参与区域培训，及时反馈执行中的问题（如数据源获取困难）。2标准化操作流程（SOP）：从设计到锁定的全流程规范SOP是国际多中心协调的“操作手册”，需覆盖ECG设计的全生命周期，重点环节包括：2标准化操作流程（SOP）：从设计到锁定的全流程规范2.1数据源筛选与验证SOP-数据源纳入标准：明确“数据时效性”（近5年内的数据）、“数据完整性”（关键终点缺失率<10%）、“人群同质性”（与试验组的基线特征匹配度>80%）等量化指标。-数据源验证流程：通过“预试验验证”（抽取10%样本进行数据核对）、“第三方审计”（如委托CRO核查数据源合规性）确保数据可靠性。2标准化操作流程（SOP）：从设计到锁定的全流程规范2.2数据标准化与整合SOP-数据清洗规则：定义“异常值处理标准”（如OS值>5年视为异常，需核实数据来源）、“缺失值填补方法”（多重插补法vs.末次观测值结转，LOCF）。-数据整合流程：采用“ETL工具”（如Informatica、Talend）实现数据自动抽取，通过“映射字典”将不同中心的数据格式统一为标准格式（如CDISC标准）。2标准化操作流程（SOP）：从设计到锁定的全流程规范2.3统计分析与报告SOP-分析计划锁定：在试验开始前召开“统计分析计划（SAP）研讨会”，邀请统计学家、临床专家、监管代表共同确认分析方法（如PSM的匹配比例、协变量选择），避免“结果导向的分析”。-结果验证流程：采用“双盲独立分析”（由两家统计机构分别分析数据），对比结果一致性；通过“bootstrap法”验证结果的稳健性。3技术赋能：数字化工具提升协调效率数字化工具是解决国际多中心ECG协调“信息不对称”“数据孤岛”问题的关键，需重点应用以下技术：4.3.1中央数据平台（CentralDataPlatform）-功能：整合试验组数据与外部对照数据，实现“实时数据监控”（如各中心数据提交进度、缺失率预警）、“在线数据审核”（如统计学家在线审核PSM匹配结果）、“跨中心数据共享”（如区域协调中心查看区域内数据质量）。-案例：在某罕见病基因治疗试验中，采用MedidataRave作为中央数据平台，实现了欧洲12个中心的历史数据与试验组数据的实时整合，数据清洗时间从传统的3个月缩短至4周。3技术赋能：数字化工具提升协调效率3.2电子数据采集（EDC）系统的本地化适配-功能：针对不同国家的语言与法规要求，提供多语言版EDC界面（如日语、韩语、阿拉伯语），嵌入“本地化逻辑校验”（如日本GCP要求的“不良事件上报时限”自动提醒）。-案例：在亚太地区肿瘤试验中，通过EDC系统的“智能映射”功能，自动将不同医院的ICD-9编码转换为ICD-10编码，减少了30%的人工审核工作量。3技术赋能：数字化工具提升协调效率3.3区块链技术保障数据溯源与隐私-应用场景：用于ECG数据的“全生命周期溯源”（如记录数据提取时间、操作人员、修改记录），确保数据不可篡改；通过“零知识证明（ZKP）”技术实现数据“可用不可见”（如在GDPR合规前提下，允许欧盟中心访问美国外部数据而不传输原始数据）。-案例：在某跨国糖尿病试验中，采用HyperledgerFabric区块链平台，实现了外部医保数据的跨境安全传输，数据泄露风险降低90%。4沟通机制：跨文化协作的“润滑剂”国际多中心协调的核心是“人”的协作，需建立“正式+非正式”“线上+线下”相结合的沟通机制：4沟通机制：跨文化协作的“润滑剂”4.1定期正式会议-月度核心团队会议：通过视频会议汇报进展，重点讨论跨区域争议（如某国监管机构的新要求）。-季度区域协调会议：线下召开（如欧洲RCC会议在法兰克福、北美RCC会议在波士顿），针对区域共性问题（如数据标准化执行差异）进行现场培训与讨论。4沟通机制：跨文化协作的“润滑剂”4.2非正式沟通渠道-即时通讯群组：按区域建立WhatsApp/WeChat群组，及时解答中心疑问（如“如何提取EHR中的实验室数据”），避免问题积压。-“伙伴中心”机制：将经验丰富的中心（如美国MD安德森癌症中心）与新加入中心（如印度某中心）配对，提供“一对一”指导，加速新中心启动。4沟通机制：跨文化协作的“润滑剂”4.3文化敏感性培训-培训内容：包括不同国家的“沟通风格”（如德国人直接、日本人委婉）、“工作习惯”（如欧洲人重视休假，需提前协调会议时间）、“宗教禁忌”（如中东国家斋月期间不安排现场监查）。-案例：在中东地区罕见病试验中，通过调整启动培训时间至斋月后，中心参与度从60%提升至95%。5风险管理：预见性应对潜在危机国际多中心ECG研究需建立“风险识别-评估-应对”的闭环管理体系，重点防范以下风险：5风险管理：预见性应对潜在危机5.1风险识别清单|风险类别|具体风险场景|发生概率|影响程度||----------------|---------------------------------------|----------|----------||法规风险|某国监管机构拒绝ECG分析方案|中|高||数据质量风险|外部历史数据缺失率>20%|高|中||伦理风险|中心伦理委员会未批准外部数据使用|中|高||进度风险|中心启动延迟导致整体入组滞后|高|中|5风险管理：预见性应对潜在危机5.2风险应对策略1-法规风险：在试验设计阶段即邀请各目标国监管机构（如FDA、EMA）进行“pre-IND会议”，提前确认ECG方案的合规性；准备“备选分析方案”（如替换外部数据源）。2-数据质量风险：在中心筛选阶段要求提供“数据样本测试”，验证其数据提取能力；建立“数据质量奖惩机制”（如数据质量达标中心优先获得额外预算）。3-伦理风险：提前准备“外部数据伦理审批模板”（包含知情同意豁免证明、数据去标识化说明），协助中心快速通过审批。4-进度风险：制定“中心启动时间表”，预留30%的缓冲时间；对滞后中心启动“专项帮扶计划”（如增派研究护士、延长数据提取周期）。06典型案例分析：从挑战到落地的实战经验典型案例分析：从挑战到落地的实战经验5.1案例背景：全球首个脊髓性肌萎缩症（SMA）基因治疗的国际多中心ECG设计研究-研究目的：评估onasemnogeneabeparvovec（Zolgensma®）在1型SMA患者中的疗效，外部对照来自欧洲罕见病数据库（ERNDIM）的历史自然病史数据。-研究设计：单臂试验，试验组n=22（欧洲8中心、北美6中心、亚太8中心），外部对照n=156（ERNDIM数据库，匹配年龄、SMN2拷贝数等基线特征）。-核心挑战：涉及12个国家28个中心，需解决ERNDIM数据的多国法规合规性、不同中心SMA评估标准（HINE量表）差异、数据隐私保护等问题。2协调策略与实施过程2.1法规协调：建立“监管预沟通机制”-核心动作：在试验启动前6个月，分别向FDA、EMA、PMDA提交“ECG方案沟通函”，明确ERNDIM数据来源（涵盖14个国家、32个中心）、数据去标识化方法（删除姓名、身份证号，保留唯一研究ID）、统计分析计划（PSM匹配+Cox回归）。-关键成果：FDA在pre-IND会议中确认“ERNDIM数据满足同质人群要求”，EMA要求补充“数据溯源证明”（ERNDIM提供数据来源中心的伦理审批复印件），PMDA接受“日本中心单独使用日本罕见病数据库（JRDC）”作为补充外部对照。2协调策略与实施过程2.2数据标准化：构建“SMA评估术语映射字典”-核心动作：针对不同中心使用HINE量表版本差异（欧洲使用HINE-2，北美使用HINE-2.1），组织神经病学专家制定“评分项映射规则”（如“头部控制”项：HINE-2评分0-4分对应HINE-2.1的0-4分）；开发“自动映射算法”，嵌入EDC系统，实现数据录入时的自动转换。-关键成果：数据标准化时间从预期的4周缩短至1周，量表评分一致性（Kappa系数）从0.65提升至0.88。5.2.3伦理与数据隐私：采用“分层伦理审批+GDPR合规传输”-核心动作：2协调策略与实施过程2.2数据标准化：构建“SMA评估术语映射字典”-伦理审批：采用“centralizedethicscommittee（CEC）”审批（由英国牛津大学医院牵头）+“localethicswaiver（LEC豁免）”模式，针对ERNDIM历史数据，提供“原研究伦理委员会的知情同意豁免证明”与“数据去标识化报告”。-数据传输：对ERNDIM数据采用“假名化处理”（替换为研究ID），通过“欧盟-美国隐私盾（EU-USPrivacyShield）”框架传输至美国数据中心，满足GDPR合规要求。-关键成果：所有28个中心均通过伦理审批，数据传输未发生隐私泄露事件。2协调策略与实施过程2.4质量控制：实施“风险导向监查+中央实时审核”-核心动作：-监查策略：对“HINE量表评分”（关键终点）进行100%SDV，对“基线特征”（如SMN2拷贝数）进行20%随机抽样；建立“中央数据监控平台”，实时预警“数据缺失率”（如某中心缺失率>15%时触发现场监查）。-偏倚控制：在统计分析阶段，采用“E-value=2.5”验证未观测混杂因素的影响，结果显示“若存在未观测混杂因素，其需使SMA患者进展风险增加2.5倍才能推翻结论”，结论稳健性得到保障。-关键成果：试验组12个月生存率达92.3%，显著优于外部对照的68.6%（HR=0.15，95%CI:0.05-0.45，P<0.001），研究数据质量获得FDA与EMA双认可。3案例启示-顶层设计优先：法规与伦理问题需在试验设计阶段提前沟通，避免后期被动调整。016.未来展望：ECG设计国际多中心协调的发展趋势04-技术赋能降本：标准化术语映射算法、中央数据平台可显著提升数据整合效率。02-文化适配增效：针对不同国家的伦理审批习惯、沟通风格采取差异化策略，提升协作效率。031数字化转型：AI与机器学习的深度应用-智能数据提取：利用自然语言处理（NLP）技术自动从EHR、文献中提取ECG数据（如从病理报告中提取肿瘤分期），减少人工工作量。-自适应外部对照：通过机器学习算法动态调整外部对照的匹配权重（如根据患者基线特征自动调整PSM的协变量权重），提升结果准确性。2适