流行病学调查中真实世界数据的整合策略

流行病学调查中真实世界数据的整合策略演讲人2025-12-18

01.02.03.04.05.目录真实世界数据的类型与特点真实世界数据整合面临的核心挑战真实世界数据整合的系统化策略框架实践案例与经验教训未来发展方向

流行病学调查中真实世界数据的整合策略引言在流行病学领域，传统研究依赖随机对照试验（RCT）提供高等级证据，但RCT往往受严格入排标准、理想化环境和短期随访的限制，难以完全反映真实世界中人群的疾病谱、干预效果和健康结局。随着医疗信息化、可穿戴设备和大数据技术的发展，真实世界数据（Real-WorldData,RWD）——即来源于日常医疗实践、公共卫生监测、患者生活场景等非研究环境下的数据——逐渐成为流行病学研究的重要补充。RWD涵盖电子健康记录（EHR）、医保理赔数据、患者报告结局（PROs）、可穿戴设备监测数据、基因检测数据等多源信息，具有样本量大、随访周期长、外推性强的优势。然而，RWD的异质性、碎片化、数据质量参差不齐等问题，也对其在流行病学调查中的应用提出了挑战。

作为流行病学实践者，我在参与糖尿病并发症监测、疫苗真实世界效果评估等项目时，深刻体会到RWD整合的重要性：只有通过系统化策略将多源数据“融会贯通”，才能挖掘数据背后的真实规律，为疾病防控、临床决策和卫生政策制定提供可靠依据。本文将从RWD的类型与特点出发，分析整合过程中的核心挑战，提出系统化的整合框架，并结合实践案例总结经验，最后展望未来发展方向，以期为同行提供参考。01ONE真实世界数据的类型与特点

真实世界数据的类型与特点RWD的多样性是其价值所在，也是整合复杂性的根源。根据数据来源、产生场景和结构特征，可将其分为以下几类，各类数据在流行病学研究中具有独特优势与局限性。（一）电子健康记录（ElectronicHealthRecords,EHR）EHR是医疗机构在临床诊疗过程中产生的数字化记录，包括患者基本信息、诊断信息（ICD编码）、医嘱、实验室检查结果、影像学报告、用药记录、手术记录等。其核心特点是：1.高临床相关性：直接反映患者的诊疗全流程，包含疾病发生、发展、干预和结局的动态信息，适用于疾病自然史研究、治疗效果比较等场景。例如，通过分析EHR中2型糖尿病患者起始不同降糖药后的HbA1c变化和心血管事件发生率，可评估药物在真实世界中的长期疗效与安全性。

真实世界数据的类型与特点2.数据颗粒度细：包含实验室检查的连续值（如血糖、血脂）、用药的具体剂量和频次等，可支持精细化亚组分析。3.局限性：数据记录以临床需求为导向，可能存在缺失（如患者依从性记录不全）、偏倚（如专科医院数据难以代表普通人群）和编码错误（如诊断编码不准确）。

医保与claims数据医保数据包括医保结算记录、门诊/住院费用明细、药品和耗材采购数据等，其特点为：1.覆盖范围广：通常覆盖特定地区或人群的全体医保参保者，样本量大，适合研究疾病负担、医疗资源利用和卫生经济学评价。例如，利用某省医保数据分析不同年龄段人群流感疫苗接种率与肺炎住院率的关系，可评估疫苗对老年人群的保护效果。2.标准化程度高：数据编码（如ATC药品编码、ICD-10疾病编码）相对统一，便于跨机构整合。3.局限性：数据聚焦“费用”而非“临床”，缺乏实验室检查、影像学等细节信息；可能存在“诊断编码升级”（为提高报销比例而升级疾病编码）或“费用转移”（将自费项目转为医保项目）等偏倚。（三）患者报告结局（Patient-ReportedOutcomes,PRO

医保与claims数据s）与患者生成数据（Patient-GeneratedData,PGD）PROs包括患者通过问卷填写的症状、生活质量、治疗满意度等主观信息；PGD则来源于患者日常监测数据，如可穿戴设备（智能手表、动态血糖仪）记录的生命体征、手机APP记录的用药提醒、患者日记等。其特点为：1.患者视角独特：补充了传统临床数据中难以捕捉的患者体验，如癌症化疗后的疲劳程度、慢性病患者的日常管理行为，适用于干预措施的患者获益评估。2.实时性与动态性：可穿戴设备可实现24小时连续监测，捕捉传统医疗场景外的数据波动（如夜间血压、血糖变化）。3.局限性：数据质量依赖患者依从性（如佩戴设备脱落、问卷填写随意性高）；非结构化数据（如患者日记文本）需通过自然语言处理（NLP）技术提取信息，技术门槛较高。

公共卫生监测数据包括法定传染病报告系统数据、慢性病登记数据、出生缺陷监测数据、死因监测数据等，由政府卫生部门或专业机构管理。其特点为：1.法定权威性：数据收集具有强制性，覆盖范围广（如全国传染病网络直报系统），适合疾病流行趋势分析、防控措施效果评估。例如，通过分析COVID-19疫情期间封控区与解封区人群的核酸阳性率变化，可评估非药物干预措施（如社交距离）的阻断效果。2.标准化程度高：数据指标和收集流程有统一规范（如《国家基本公共卫生服务规范》），便于跨地区比较。3.局限性：数据指标相对单一（如传染病数据仅包含病例基本信息），缺乏个体层面的详细临床信息；更新可能存在延迟（如死因监测数据需医学验证）。

多组学与外部环境数据1包括基因检测数据（如全外显子测序）、蛋白质组学数据、代谢组学数据，以及环境监测数据（如空气质量、气象数据）、地理空间数据（如人口密度、医疗资源分布）等。这类数据的特点是：21.多维度整合潜力：可揭示疾病发生的环境-基因交互作用，如分析PM2.5暴露水平与携带特定基因突变人群的肺癌发病率关系，精准识别高危人群。32.数据结构复杂：组学数据多为高维数据（如单细胞测序数据包含数万个基因表达量），需结合生物信息学方法处理；环境数据需与个体暴露数据（如患者居住地坐标）进行空间匹配。43.局限性：数据获取成本高（如全基因组测序）；数据隐私保护要求严格（如基因数据属于个人敏感信息）。02ONE真实世界数据整合面临的核心挑战

真实世界数据整合面临的核心挑战尽管RWD来源丰富，但在整合过程中，我们面临着来自数据特性、技术方法、伦理规范等多维度的挑战。这些问题若不妥善解决，将直接影响研究结果的准确性和可靠性。

数据异质性：结构、语义与时间的壁垒多源RWD的首要挑战是“异质性”，具体表现为：1.结构异质性：不同数据源的数据格式差异显著。EHR多为半结构化数据（如XML、JSON格式），包含大量非结构化文本（如医生病程记录）；医保数据为高度结构化的表格数据（如CSV、数据库表）；PROs多为问卷结果（如PDF扫描件或Excel表格）。这种结构差异导致数据难以直接拼接，需通过ETL（Extract-Transform-Load）工具进行格式转换。2.语义异质性：同一概念在不同数据源中的定义或编码可能不同。例如，“高血压”在EHR中可能使用ICD-10编码I10（原发性高血压），在医保数据中可能使用ATC编码C07（β受体阻滞剂，作为降压药使用），在PROs中可能被患者描述为“头晕、头痛”。这种“同一概念，不同表达”的情况，需通过术语标准化工具（如OMOP-CDM中的“概念表”）统一映射。

数据异质性：结构、语义与时间的壁垒3.时间异质性：不同数据源的时间颗粒度和记录频率差异大。EHR中实验室检查可能每月记录1次，而可穿戴设备数据可能每5分钟记录1次血压；医保数据按月结算，而PROs可能按周提交。时间维度的整合需考虑“时间对齐”（如将月度HbA1c与每日血糖数据关联分析）和“时间滞后”（如药物暴露到结局发生的时间窗口设定）。

数据质量：缺失、错误与偏倚的“雷区”RWD并非为研究目的而生，其质量天然存在缺陷，主要表现为：1.数据缺失：非随机缺失是常见问题。例如，EHR中基层医疗机构患者的上级医院检查结果可能缺失；PROs中老年患者因视力问题可能漏填问卷。缺失数据若直接删除，会导致样本选择偏倚；若通过插补法（如多重插补）处理，需评估缺失机制（完全随机缺失MAR、随机缺失MCAR、非随机缺失MNAR），否则可能引入误差。2.数据错误：包括录入错误（如年龄输入“200”岁而非“20”岁）、编码错误（如ICD-10编码将“糖尿病”误编为“糖尿病并发症”）、逻辑矛盾（如男性患者有妊娠记录）。错误数据需通过规则引擎（如年龄范围检查、性别与诊断逻辑校验）和机器学习模型（如异常值检测算法）识别并修正。

数据质量：缺失、错误与偏倚的“雷区”3.选择偏倚：RWD的样本往往无法代表目标人群。例如，EHR数据仅覆盖就诊患者，未包含健康人群或未就诊患者；医保数据仅覆盖参保者，可能排除流动人口或无业人员。这种偏倚会导致疾病发病率、患病率估计失真，需通过加权调整（如后分层加权）或倾向性评分匹配（PSM）平衡组间差异。

隐私与伦理：数据安全与患者权益的平衡RWD整合涉及大量个人健康信息，隐私保护与伦理合规是不可逾越的红线，具体挑战包括：1.隐私泄露风险：即使数据经过去标识化处理（如去除姓名、身份证号），仍可能通过“重识别攻击”（如结合年龄、性别、诊断信息锁定个体）反推个人身份。例如，2018年美国某研究机构通过整合EHR与社交媒体数据，成功识别了去标识化数据中的特定患者。2.知情同意困境：传统研究需获得患者签署的书面知情同意，但RWD往往来源于历史数据（如10年前的EHR），难以追溯患者并获得同意；动态数据（如实时可穿戴设备数据）若每次采集都需同意，会极大增加患者负担和数据收集成本。

隐私与伦理：数据安全与患者权益的平衡3.数据所有权与使用权争议：EHR数据所有权属于医疗机构还是患者？医保数据的使用权是否可授权给第三方研究机构？这些问题在不同国家和地区的法律框架下（如欧盟GDPR、美国HIPAA、中国《个人信息保护法》）有不同规定，需明确数据共享的边界和责任。

技术瓶颈：标准化、互操作性与分析能力的局限RWD整合对技术能力提出了极高要求，当前面临的主要瓶颈包括：1.缺乏统一的数据标准：不同机构、地区的数据标准不统一。例如，国内部分医院使用ICD-9编码，部分使用ICD-10；实验室检查项目名称有的用“中文全称”，有的用“英文缩写”。这种“标准碎片化”导致跨机构数据整合困难。2.数据互操作性不足：医疗机构的信息系统（如HIS、LIS、PACS）多由不同厂商开发，数据接口不兼容，导致数据“孤岛”现象突出。例如，某三甲医院的EHR系统无法直接调取合作社区卫生中心的慢性病随访数据，需通过人工导出-导入，效率低下且易出错。

技术瓶颈：标准化、互操作性与分析能力的局限3.分析方法复杂度高：RWD的混杂因素多（如年龄、性别、基础疾病、生活方式），传统统计方法（如logistic回归）难以完全控制混杂；因果推断方法（如工具变量法、倾向性评分加权）对数据质量和样本量要求高；多模态数据（如文本+数值+图像）的整合需深度学习模型（如Transformer、多模态神经网络），但模型的可解释性差，难以满足流行病学研究对“机制阐释”的需求。03ONE真实世界数据整合的系统化策略框架

真实世界数据整合的系统化策略框架为应对上述挑战，需构建“数据准备-融合-分析-应用”的全流程整合框架，涵盖技术方法、伦理规范和组织管理三个维度，确保RWD整合的科学性、合规性和实用性。

数据准备阶段：标准化与质量控制的基石数据准备是整合的前提，核心任务是将多源RWD转化为“可分析、可比较、可信任”的结构化数据，包括以下步骤：

数据准备阶段：标准化与质量控制的基石数据源识别与评估壹根据研究目的（如评估某降压药的真实世界疗效）确定需整合的数据源（如EHR、医保数据、PROs），并评估各数据源的适用性：肆-可及性：是否可通过数据共享平台获取，或需通过合作谈判获得授权。叁-数据质量：通过完整性（缺失值比例）、一致性（不同数据源对同一变量的记录是否一致）、准确性（与金标准如病历回顾的符合率）指标评估；贰-覆盖范围：是否包含目标人群（如高血压患者）的关键变量（如血压值、用药记录、心血管事件）；

数据准备阶段：标准化与质量控制的基石数据标准化与映射采用国际通用标准统一数据格式和语义，解决异质性问题：-结构标准化：将非结构化数据（如EHR中的病程记录）通过NLP技术转化为结构化数据。例如，使用临床BERT模型从文本中提取“吸烟史”“饮酒量”等信息；将可穿戴设备的JSON格式血压数据转换为包含“时间戳、收缩压、舒张压”的标准表格。-语义标准化：基于标准化术语集（如SNOMEDCT、LOINC、ICD-10、ATC）建立变量映射表。例如，将EHR中的“血压”“BP”“血压值”统一映射为LOINC编码“8480-6（收缩压）”和“8462-4（舒张压）”；将不同医保数据中的“降压药”统一映射为ATC编码“C（心血管系统药物）”。

数据准备阶段：标准化与质量控制的基石数据标准化与映射-时间标准化：统一时间格式（如转换为ISO8601标准“YYYY-MM-DDHH:MM:SS”），对时间粒度不同的数据进行“降采样”（如将可穿戴设备的分钟级血压数据按日计算平均值）或“升采样”（如将月度EHR数据按线性插补为日数据），并根据研究需求定义时间窗口（如药物暴露前30天、暴露后90天）。

数据准备阶段：标准化与质量控制的基石数据清洗与质量提升通过规则引擎和机器学习模型识别并处理数据质量问题：-缺失数据处理：对于随机缺失（MAR），采用多重插补（MICE算法）或基于机器学习的预测插补（如随机森林模型）；对于非随机缺失（MNAR），需通过敏感性分析评估缺失对结果的影响（如假设最坏情况下的缺失数据）。-异常值处理：结合临床知识设定合理范围（如收缩压范围40-250mmHg），超出范围的标记为异常值，并通过与原始数据核对（如查看病历记录）确认是否为录入错误。-偏倚校正：采用加权法（如逆概率加权IPW）校正选择偏倚，使加权后样本的协变量分布与目标人群一致；通过工具变量法（如利用医生处方习惯作为工具变量）控制混杂偏倚。

数据融合阶段：链接与整合的技术路径数据融合是将标准化后的多源数据关联为“个体级纵向数据集”的过程，核心是解决“同一不同源”数据的身份匹配问题，常用技术包括：

数据融合阶段：链接与整合的技术路径确定性匹配基于唯一标识符（如身份证号、医疗卡号）直接链接数据源，适用于标识符唯一且准确的情况。例如，通过患者身份证号将EHR中的诊断信息与医保数据中的费用记录匹配，形成包含“临床-费用”信息的个体记录。

数据融合阶段：链接与整合的技术路径概率匹配当缺乏唯一标识符时，通过计算“匹配得分”（Mahalanobis距离、logistic回归概率）判断两条记录是否属于同一个体。例如，匹配EHR与PROs数据时，可基于“姓名（拼音）、性别、出生日期、就诊日期”计算匹配得分，设定阈值（如得分>0.8视为匹配）。概率匹配需通过人工抽样验证匹配准确性，避免“误匹配”（将不同个体视为同一人）或“漏匹配”（将同一人视为不同人）。

数据融合阶段：链接与整合的技术路径链接技术优化-联邦学习：在保护数据隐私的前提下实现跨机构数据融合。例如，不同医院在不共享原始EHR数据的情况下，通过联邦学习模型训练各自的数据，仅交换模型参数（如梯度），最终整合模型结果。这种方法解决了数据“孤岛”问题，同时满足隐私保护要求（符合GDPR的“数据最小化”原则）。-哈希加密与布隆过滤器：对敏感标识符（如身份证号）进行哈希加密（如SHA-256算法），生成不可逆的哈希值；使用布隆过滤器快速判断哈希值是否存在于另一数据源，减少重复计算，提高匹配效率。

数据融合阶段：链接与整合的技术路径融合后的数据一致性校验数据链接完成后，需通过逻辑校验确保融合数据的一致性。例如，同一患者在EHR和医保数据中的“性别”“出生日期”应一致；用药记录中“药物名称”与“ATC编码”的对应关系应符合标准。对不一致的数据需溯源核查（如联系医疗机构确认），必要时修正或剔除。

数据分析阶段：从关联到因果的深度挖掘多源RWD整合后，需采用合适的分析方法，从“描述性统计”到“关联分析”，再到“因果推断”，逐步深入挖掘数据价值。

数据分析阶段：从关联到因果的深度挖掘描述性分析整合数据集的基本特征，包括：-人群特征：如研究对象的年龄、性别分布、基线疾病谱（如高血压合并糖尿病的比例）；-数据覆盖：如各数据源的变量完整率（如EHR中血压记录的完整率为85%，PROs中生活质量问卷的完整率为70%）；-结局分布：如研究结局（如心血管事件）的发生率、时间分布（如暴露后30天、90天、1年的累计发生率）。描述性分析可初步判断数据质量，并为后续模型设定提供参考（如根据结局发生率选择合适的统计模型）。

数据分析阶段：从关联到因果的深度挖掘关联分析探索变量间的关联关系，常用方法包括：-横断面研究设计：分析暴露因素（如某药物）与结局（如肝功能异常）的关联，计算比值比（OR）或相对危险度（RR）；-队列研究设计：根据暴露与否将研究对象分为暴露组和对照组，追踪结局发生情况，计算风险比（HR）；-时间序列分析：对于动态数据（如可穿戴设备监测的血糖），分析暴露事件（如进餐、运动）后血糖变化的短期波动，采用广义相加模型（GAM）控制时间趋势等混杂因素。关联分析需注意控制混杂，例如在分析“降压药与心血管事件”关联时，需校正年龄、性别、基线血压、合并用药等因素。

数据分析阶段：从关联到因果的深度挖掘因果推断RWD的观察性本质决定了关联分析无法确定因果关系，需采用因果推断方法模拟随机对照试验的效果：-倾向性评分法：通过logistic回归模型估计个体接受某暴露（如药物A）的概率（即倾向性评分），对暴露组和对照组进行匹配（1:1匹配或卡钳匹配）或加权（逆概率加权IPW），使两组协变量均衡，然后比较结局差异。-工具变量法：当存在未测量的混杂因素（如患者依从性）时，选择与暴露相关但与结局无关的工具变量（如医生处方偏好），通过两阶段最小二乘法（2SLS）估计因果效应。例如，利用不同医生对同一疾病的治疗习惯差异（如部分医生偏好药物A，部分偏好药物B）作为工具变量，评估药物A的真实效果。

数据分析阶段：从关联到因果的深度挖掘因果推断-中断时间序列分析（ITS）：评估政策干预或医疗措施实施后的效果。例如，分析某地区实施“高血压分级诊疗”政策前后，患者血压控制率的变化趋势，采用分段线性模型控制政策前的时间趋势。

数据分析阶段：从关联到因果的深度挖掘多模态数据联合分析对于整合了文本、数值、图像等多模态数据的研究，可采用深度学习模型进行联合分析：-多模态融合模型：如使用Transformer模型将EHR中的文本记录（如诊断描述）与数值数据（如实验室检查）编码为统一向量，输入下游任务（如预测并发症风险）；-多任务学习：同时预测多个结局（如“心血管事件”“肾功能恶化”“死亡”），共享底层特征提取层，提高数据利用效率和模型泛化能力。

伦理与合规保障：数据安全的“防火墙”RWD整合需全程遵循伦理规范和法律法规，构建“事前-事中-事后”全流程隐私保护体系：

伦理与合规保障：数据安全的“防火墙”事前：数据共享协议与伦理审查-数据共享协议（DSA）：明确数据提供方（如医疗机构）、使用方（如研究机构）、患者三方的权利与义务，包括数据使用范围、存储期限、销毁方式、违约责任等；-伦理审查：研究方案需通过机构伦理委员会（IRB）审查，明确数据去标识化标准（如根据《个人信息保护法》去除“姓名、身份证号、手机号”等直接标识符，保留“研究ID”等间接标识符），以及敏感数据处理方式（如基因数据需单独存储、访问权限控制）。

伦理与合规保障：数据安全的“防火墙”事中：隐私增强技术应用-去标识化与假名化：对直接标识符（如身份证号）进行替换或删除，使用假名（如“患者001”）替代；对间接标识符（如出生日期、性别）进行泛化处理（如将“1990年1月1日”泛化为“1990年出生”）；-差分隐私（DifferentialPrivacy）：在数据查询结果中添加calibrated噪声，确保单个个体的加入或移除不影响查询结果，防止重识别攻击。例如，查询某医院高血压患者人数时，真实人数为1000人，添加噪声后结果可能为998人或1002人；-安全多方计算（SMPC）：多方在不泄露原始数据的前提下联合计算结果。例如，两家医院通过SMPC技术计算合并后的平均血压值，无需共享各自的原始血压数据。

伦理与合规保障：数据安全的“防火墙”事后：数据使用监控与审计231-访问权限控制：采用“最小权限原则”，不同角色（如数据管理员、分析师）分配不同的数据访问权限（如分析师仅可查看聚合结果，无法访问个体原始数据）；-操作日志审计：记录数据访问、查询、下载等操作的时间、用户、IP地址等信息，定期审计异常操作（如短时间内大量下载数据）；-数据销毁：研究结束后，按照DSA约定删除原始数据或匿名化处理，确保数据不被滥用。04ONE实践案例与经验教训

实践案例与经验教训理论需通过实践检验。以下结合我参与的“2型糖尿病心血管并发症真实世界风险评估”项目，说明RWD整合策略的具体应用及经验总结。

项目背景与目标2型糖尿病是心血管疾病的高危因素，传统RCT多评估短期血糖控制效果，缺乏对长期心血管并发症风险的预测能力。本项目旨在整合EHR、医保数据、PROs和可穿戴设备数据，构建糖尿病心血管并发症风险预测模型，为临床分层管理提供依据。

数据整合过程数据源选择与标准化-数据源：纳入某三甲医院EHR（2015-2020年）、某省医保数据（2015-2020年）、患者PROs（通过手机APP收集，2018-2020年）、可穿戴设备数据（智能血糖仪，2018-2020年）；-标准化：-结构标准化：使用NLP工具从EHR文本中提取“吸烟史”“运动频率”等PROs信息；将智能血糖仪的JSON数据转换为“日期、餐前/餐后、血糖值”的标准表格；-语义标准化：将EHR中的“心肌梗死”统一映射为ICD-10编码“I21”，医保数据中的“氯吡格雷”统一映射为ATC编码“B01AC06”；-时间标准化：将所有数据的时间戳统一为“YYYY-MM-DD”，定义“暴露”为“起始降糖治疗”，“结局”为“首次发生心肌梗死、脑卒中或心血管死亡”。

数据整合过程数据融合-匹配：采用概率匹配（基于姓名拼音、性别、出生日期、就诊日期），匹配EHR与医保数据，匹配准确率达92%（人工抽样验证）；匹配EHR与PROs数据，准确率达85%（主要因部分患者未填写APP问卷）；-联邦学习：因涉及两家医院的EHR数据，采用联邦学习框架，各医院在本地训练模型（如随机森林），仅交换模型参数，最终整合模型AUC达0.85（优于单中心数据的0.78）。

数据整合过程分析与验证-模型构建：采用XGBoost模型构建风险预测模型，通过10折交叉验证评估性能，AUC为0.88，校准曲线显示预测风险与实际风险一致性良好（Hosmer-Lemeshow检验P=0.32）；-特征工程：整合数据后提取100+特征，包括临床特征（HbA1c、血压、血脂）、行为特征（PROs中的运动频率、饮食控制）、动态特征（可穿戴设备记录的血糖波动标准差）；-因果推断：采用倾向性评分匹配（1:1匹配）平衡二甲双胍组和胰岛素组的基线差异，结果显示二甲双胍组心血管事件风险降低15%（HR=0.85,95%CI:0.78-0.93）。010203

经验教训1.数据质量是“生命线”：项目初期因未对EHR中的“血糖记录”进行完整性校验，导致部分患者因频繁漏测血糖被排除，后通过增加“至少3次血糖记录”的纳入标准，并采用多重插补处理缺失数据，模型性能提升5%。这提示我们：数据清洗宁可“严”勿“宽”，需建立明确的质量控制清单。2.跨机构协作是“突破口”：两家医院的数据共享涉及利益协调（如数据存储成本、责任划分），通过签订明确的数据共享协议（明确数据使用收益分配、隐私保护责任），最终实现联邦学习应用。这表明：RWD整合需“以问题为导向，以利益为纽带”，推动机构间协作。

经验教训3.患者参与是“加速器”：通过APP收集PROs时，部分老年患者因不会操作智能手机漏填，后增加电话随访协助填写，PROs数据完整率从60%提升至82%。这提醒我们：患者数据收集需考虑人群特征，提供多样化参与方式（如电话、纸质问卷），避免“数字鸿沟”导致的选择偏倚。05ONE未来发展方向

未来发展方向随着技术进步和需求升级，RWD整合将向“智能化、动态化、精准化”方向发展，以下方向值得重点关注：

AI驱动的自动化整合传统RWD整合依赖大量人工干预（如人工校验匹配结果、手动编写映射规则），效率低且易出错。未来，AI技术将实现整合流程的自动化：-自动化数据映射：基于预训练的医学语言模型（如Bi