肝病真实世界疗效评价：混杂控制策略

肝病真实世界疗效评价：混杂控制策略演讲人真实世界疗效评价中混杂因素的来源与特征01数据分析阶段的混杂控制方法02肝病真实世界研究的设计阶段混杂控制策略03混杂控制的挑战与未来方向04目录肝病真实世界疗效评价：混杂控制策略引言作为一名长期从事肝病临床研究与真实世界数据（RWS）应用的工作者，我深刻体会到肝病治疗的复杂性。从慢性乙肝、丙肝的长期抗病毒，到肝硬化的并发症管理，再到肝癌的多学科综合治疗，每一项干预措施的疗效评价都需兼顾“理想证据”与“现实临床”。随机对照试验（RCT）曾被誉为“金标准”，但其严格的纳入排除标准、理想化的干预环境，往往难以反映真实世界中患者合并症多样、治疗依从性参差不齐、医疗资源分布不均等复杂情况。真实世界研究（RWS）通过捕捉真实医疗环境下的数据，为疗效评价提供了更贴近临床实践的视角，但其核心挑战在于——混杂控制。混杂因素（Confounders）是指既与研究暴露（如治疗方案）相关，又与研究结局（如肝功能改善、生存率）相关的变量，若不加以控制，会扭曲真实疗效的估计。例如，在评价某款新型抗病毒药物治疗乙肝的疗效时，若年轻、病情较轻的患者更倾向于选择新药，而年老、合并肝硬化的患者更多选择传统药物，年龄和疾病本身就会成为混杂因素，导致高估新药疗效。因此，混杂控制策略的科学与否，直接决定了RWS结果的可靠性。本文将结合肝病临床实践，从混杂因素的识别、设计阶段预防、数据分析阶段调整，到未来挑战与方向，系统阐述肝病真实世界疗效评价中的混杂控制策略，为研究者提供可落地的实践框架。01真实世界疗效评价中混杂因素的来源与特征混杂因素的来源：多维度的临床复杂性在肝病真实世界研究中，混杂因素并非孤立存在，而是贯穿患者全病程、诊疗全过程的“系统性干扰”。其来源可归纳为三大维度：混杂因素的来源：多维度的临床复杂性患者层面：个体差异的核心变量患者是诊疗的主体，其生物学特征、行为模式、社会因素均可能成为混杂因素。-人口学与生物学特征：年龄（老年患者肝储备功能差、合并症多）、性别（男性肝癌风险高于女性）、遗传背景（如HBV相关肝癌的家族聚集性）、基线疾病状态（肝功能Child-Pugh分级、MELD评分、病毒载量、纤维化程度）等。例如，在评价肝纤维化无创诊断技术的准确性时，不同病因（乙肝、丙肝、酒精性）患者的纤维化进程存在差异，若不控制病因，可能导致技术效能被高估或低估。-行为与生活方式：饮酒（酒精性肝病的独立危险因素）、吸烟（加速肝病进展）、饮食（高脂饮食诱发非酒精性脂肪肝）、治疗依从性（漏服抗病毒药物导致耐药）等。我曾在一项关于乙肝患者抗病毒治疗依从性的RWS中发现，每日服药1次的方案较每日3次的依从性高15%，但若患者同时合并“忘记服药”的行为习惯，这一差异会被进一步放大，成为疗效评价的混杂因素。混杂因素的来源：多维度的临床复杂性患者层面：个体差异的核心变量-社会与心理因素：医疗可及性（偏远地区患者随访频率低）、经济状况（无法承担新型抗病毒药物费用）、心理状态（焦虑抑郁导致治疗积极性下降）。例如，在肝癌靶向治疗的真实世界研究中，经济条件好的患者更易使用新一代靶向药，但其生存获益是否完全来自药物本身，还是因更规律的随访和支持治疗，需通过控制经济状况这一混杂因素来验证。混杂因素的来源：多维度的临床复杂性治疗层面：医疗行为的异质性真实世界中，治疗方案的选择往往并非完全随机，而是基于患者病情、医生经验、医疗资源等多因素决策，这种“选择性偏倚”本身就是混杂因素的重要来源。-治疗决策的偏好：医生对某类药物的经验（如更倾向于使用干扰素还是核苷类似物治疗乙肝）、患者对治疗方式的接受度（如手术vs.介入治疗肝癌）、医保政策限制（如某些DAA药物仅限特定人群报销）。例如，在一项肝硬化食管静脉曲张出血的治疗研究中，三甲医院更倾向于内镜下套扎术，而基层医院更多使用药物治疗，若不区分医疗机构级别，可能高估内镜治疗的疗效（因三甲医院患者整体病情较轻或管理更规范）。-治疗过程的动态变化：剂量调整（根据肾功能、药物副作用调整）、联合治疗（如抗病毒治疗联合抗纤维化治疗）、治疗中断（因药物不良反应或患者意愿）。例如，在评价肝癌免疫检查点抑制剂的疗效时，部分患者因免疫相关性肝炎被迫减量或停药，若将“治疗中断”作为“无效”处理，会低估真实疗效；反之，若忽略中断原因，则可能高估疗效。混杂因素的来源：多维度的临床复杂性治疗层面：医疗行为的异质性-合并用药的干扰：肝病常合并其他疾病（如糖尿病、高血压），需同时使用多种药物，药物相互作用可能影响疗效或增加不良反应。例如，在评价中药复方治疗肝纤维化时，若患者同时使用保肝西药（如甘草酸制剂），可能混淆中药的真实效果。混杂因素的来源：多维度的临床复杂性研究层面：数据收集与处理的偏倚RWS依赖真实医疗数据（电子病历、医保数据库、随访记录），而数据质量本身可能引入混杂。-随访时间的差异：失访患者（如外出务工、病情恶化后放弃治疗）的结局往往与完成随访者不同，若失访与治疗相关（如新药组因副作用失访更多），会导致结局估计偏倚。-结局定义的异质性：不同医疗机构对“肝功能改善”“生存获益”的定义可能不一致（如ALT复常标准的差异），这种“测量偏倚”会混杂真实疗效。-数据缺失的系统性：关键变量（如病毒载量、饮酒史）的缺失若非随机（如基层医院未检测病毒载量），会引入选择偏倚。例如，在一项丙肝DAA药物真实世界疗效研究中，若未检测病毒载量的患者多为高龄、合并症多者，而这类患者本身疗效较差，会导致整体疗效被低估。混杂因素的特征：识别与分类的关键要有效控制混杂，需先理解其核心特征。结合肝病临床实践，混杂因素主要表现为三大特征：混杂因素的特征：识别与分类的关键时间依赖性：随病程动态变化的混杂肝病是进展性疾病，混杂因素的影响可能随时间变化。例如，在乙肝抗病毒治疗中，“基线病毒载量”是早期疗效的混杂因素，但治疗6个月后，“病毒学应答”本身可能成为“长期疗效”（如肝硬化逆转）的混杂因素——早期应答好的患者更可能坚持治疗，从而改善长期结局。这类“时间依赖性混杂”在纵向研究中尤为常见，需通过动态建模（如边际结构模型）来控制。混杂因素的特征：识别与分类的关键效应修饰性：不同人群的混杂效应差异混杂因素对疗效的影响可能因人群特征而异，即“效应修饰”（EffectModification）。例如，在评价非酒精性脂肪性肝病（NAFLD）患者的生活方式干预效果时，“基线胰岛素抵抗”可能是效应修饰因素：胰岛素抵抗严重的患者通过饮食控制获益更大，而抵抗轻微者获益有限。若不区分亚组，可能掩盖“干预效果存在异质性”的真实情况。混杂因素的特征：识别与分类的关键不可测量性：难以量化或记录的潜在混杂部分混杂因素因客观限制难以测量，如“患者依从性的真实情况”（仅凭自我报告可能不准确）、“家庭护理质量”“心理状态的动态变化”。这类“未测量混杂”是RWS的固有挑战，需通过敏感性分析（如E-value评估）、工具变量法等间接评估其对结果的影响。02肝病真实世界研究的设计阶段混杂控制策略肝病真实世界研究的设计阶段混杂控制策略“预防优于治疗”——在RWS设计阶段通过科学规划控制混杂，远比事后统计调整更可靠。结合肝病临床特点，设计阶段的混杂控制需聚焦“明确研究问题、优化研究设计、严格数据收集”三大环节。明确研究问题与暴露-结局定义：混杂控制的前提混杂控制的起点是清晰界定“暴露”与“结局”，避免因定义模糊引入新的混杂。明确研究问题与暴露-结局定义：混杂控制的前提暴露定义的精细化暴露（如治疗方案、药物剂量）需明确“什么人、在什么时间、接受何种干预”，避免“一刀切”定义。例如，在评价“抗病毒治疗对乙肝相关肝癌的预防作用”时，需区分“持续病毒学应答（SVR）者”与“未达SVR者”，而非简单分为“治疗者”与“未治疗者”——因“是否达SVR”本身是疗效的中间结局，若不区分，会混淆治疗依从性与药物效果的混杂。明确研究问题与暴露-结局定义：混杂控制的前提结局定义的标准化结局需基于临床共识和可测量指标，避免主观偏倚。例如，“肝功能改善”可定义为“ALT复常+胆红素正常+白蛋白≥35g/L”复合终点，而非单一指标；“生存结局”需明确“总生存期（OS）”还是“无进展生存期（PFS）”，并统一“进展”的定义（如RECIST标准或mRECIST标准）。在肝癌介入治疗的RWS中，我们曾因不同中心对“疾病进展”的判断标准不一致（部分中心以影像学肿瘤增大≥20%为标准，部分以AFP升高为标准），导致疗效估计偏差，后通过统一培训、制定标准化操作流程（SOP）解决了这一问题。研究设计的优化：从源头减少混杂选择合适的研究设计是控制混杂的核心。针对肝病不同研究场景，需灵活选择前瞻性队列、回顾性队列、病例对照或历史对照设计，并通过匹配、限制、随机化（在真实世界中部分可行）等策略减少混杂。研究设计的优化：从源头减少混杂前瞻性队列研究：动态追踪与实时混杂控制前瞻性队列研究通过前瞻性纳入暴露组与非暴露组，并定期收集数据，能有效控制时间顺序相关的混杂。例如，在评价“长期核苷类似物治疗对乙肝肝硬化逆转的影响”时，我们设计了一项多中心前瞻性队列：纳入200例接受恩替卡韦治疗的代偿期肝硬化患者和200例未抗病毒治疗的匹配对照（通过倾向性评分匹配控制年龄、性别、基期纤维化程度等），每6个月检测肝纤维化无创指标（如FibroScan），实时记录治疗依从性、合并用药等混杂因素，通过多变量模型动态调整。这种设计能最大限度减少回忆偏倚和信息偏倚，但因随访周期长、成本高，适用于重要临床问题的探索。研究设计的优化：从源头减少混杂回顾性队列研究：利用历史数据的混杂控制回顾性队列研究基于已有的电子病历、医保数据库等历史数据，效率更高，但需重点解决“数据完整性”和“混杂因素记录不全”问题。例如，在一项“中药复方治疗酒精性肝炎的真实世界疗效”回顾性研究中，我们通过医院信息系统（HIS）提取了2018-2022年收治的500例患者数据，但发现“饮酒量”这一关键混杂因素记录不全（部分患者仅记录“饮酒史”，未记录具体克数）。为此，我们通过补充问卷（电话随访患者家属）、查阅既往门诊病历等方式补全数据，并将“饮酒量”分为“中度（<40g/日）”“重度（≥40g/日）”进行分层分析，有效控制了混杂。研究设计的优化：从源头减少混杂匹配设计：均衡基线特征的“人工随机化”匹配是通过使暴露组与非暴露组在某些混杂因素上相似，模拟RCT的均衡性。在肝病研究中，常用匹配方法包括：-个体匹配：1:1或1:k匹配，如为每个接受肝癌根治术的患者匹配1例接受射频消融的患者，匹配因素包括年龄（±5岁）、性别、肿瘤直径（±1cm）、Child-Pugh分级（A级vs.B级）。-巢式病例对照研究：在队列中，为每个“发生结局事件”（如肝癌复发）的患者匹配若干“未发生事件”的对照，匹配因素包括随访时间、基线疾病严重程度等。例如，在评价“乙肝病毒合并丙肝病毒感染对肝癌预后的影响”时，我们采用巢式病例对照设计，从1000例乙肝/丙肝合并感染队列中，为50例肝癌患者匹配150例非肝癌对照，匹配因素包括年龄、性别、肝纤维化程度，有效控制了病毒载量、ALT水平等混杂。研究设计的优化：从源头减少混杂限制设计：通过纳入标准排除混杂限制是通过严格限定纳入排除标准，直接排除混杂因素。例如，在评价“直接抗病毒药物（DAA）治疗丙肝肝硬化的疗效”时，将纳入标准限定为“单一HCV基因型感染、无肝癌病史、未合并HIV感染”，排除了“多基因型感染”（疗效较差）、“合并肝癌”（预后差）、“合并HIV”（免疫状态复杂）等混杂因素。但需注意，过度限制会降低样本代表性和外部真实性，需在“控制混杂”与“贴近真实世界”间平衡。数据收集的质量控制：减少信息偏倚设计阶段的混杂控制离不开高质量数据，需通过标准化流程、多源数据验证、人员培训等策略，确保数据准确性和完整性。数据收集的质量控制：减少信息偏倚制定标准化数据采集工具根据肝病特点设计结构化病例报告表（CRF），明确关键变量及采集标准。例如，在肝硬化腹水患者的RWS中，CRF需包含：-基线数据：病因（乙肝/丙肝/酒精等）、Child-Pugh分级（包括腹水、肝性脑病等具体评分）、MELD评分、合并症（如高血压、糖尿病）；-暴露数据：利尿剂种类（呋塞米/螺内酯）、剂量、调整时间；-结局数据：腹水缓解标准（体重下降≥2kg/周+腹超声提示腹水减少）、不良反应（如电解质紊乱）、随访时间（腹水复发或死亡时间）。数据收集的质量控制：减少信息偏倚多源数据交叉验证单一数据来源（如门诊病历）可能存在记录不全或错误，需通过多源数据验证。例如，在抗病毒治疗依从性研究中，结合“电子处方记录”（实际取药情况）、“患者服药日记”（自我记录）、“血药浓度检测”（若适用）三方数据，确保“依从性”变量的准确性；在生存结局研究中，通过“医院病历”“死亡登记系统”“家属随访”多渠道确认生存状态，减少失访导致的混杂。数据收集的质量控制：减少信息偏倚人员培训与质控研究人员的操作差异可能引入偏倚，需统一培训并实施质控。例如，在肝纤维化无创检测（如FibroScan）的RWS中，对操作人员培训“肝脏定位”“检测次数（≥10次有效检测）”“质量控制标准（IQR/MED比值<0.3）”，并由质控员随机抽查10%的检测数据，确保不同中心测量的一致性。03数据分析阶段的混杂控制方法数据分析阶段的混杂控制方法尽管设计阶段已尽可能控制混杂，但真实世界数据的复杂性仍可能导致残余混杂（ResidualConfounding）。数据分析阶段需通过统计模型、高级方法及敏感性分析，进一步校准混杂效应。传统统计方法：基础混杂控制的“工具箱”传统统计方法是混杂控制的基础，适用于可测量、已识别的混杂因素。传统统计方法：基础混杂控制的“工具箱”多变量回归分析：控制连续与分类混杂多变量回归（如线性回归、Logistic回归、Cox比例风险模型）通过在模型中纳入混杂因素，估计暴露对结局的“独立效应”。例如，在评价“抗病毒治疗对乙肝相关肝癌生存率的影响”时，构建Cox模型：\[h(t)=h_0(t)\exp(\beta_1\times\text{治疗}+\beta_2\times\text{年龄}+\beta_3\times\text{Child-Pugh分级}+\beta_4\times\text{病毒载量}+\cdots)\]其中，“治疗”为暴露变量（是否抗病毒），“年龄”“Child-Pugh分级”“病毒载量”等为混杂因素，模型通过估计β₁（治疗效应的HR值），控制了这些混杂的影响。需注意，回归分析要求“无混杂交互作用”（即混杂因素与暴露无交互效应）且“模型设定正确”（如线性假设、比例风险假设），否则可能引入新的偏倚。传统统计方法：基础混杂控制的“工具箱”分层分析：直观展示混杂效应的异质性分层分析是将数据按某个混杂因素（如年龄、性别）分层后，在各层内分析暴露与结局的关系，既能控制混杂，又能揭示“效应修饰”。例如，在评价“NAFLD患者生活方式干预对肝脂肪含量的影响”时，按“基线胰岛素抵抗”（HOMA-IR≥2.5vs.<2.5）分层：-胰岛素抵抗层：干预组肝脂肪含量下降12%，对照组下降5%（P=0.002）；-非胰岛素抵抗层：干预组下降6%，对照组下降5%（P=0.35）。结果显示，胰岛素抵抗是效应修饰因素，仅胰岛素抵抗患者能从干预中显著获益。若不进行分层分析，可能掩盖这一异质性，得出“干预无效”的错误结论。传统统计方法：基础混杂控制的“工具箱”针对时间依赖性混杂的模型：动态调整混杂效应对于时间依赖性混杂（如治疗过程中的药物调整、病情变化），传统回归模型可能失效，需采用时间依赖协变量模型。例如，在肝癌靶向治疗的RWS中，若患者在治疗期间因“疾病进展”调整了靶向药物剂量，“疾病进展”既是时间依赖变量，也可能混杂疗效评价。此时，可采用扩展Cox模型，将“疾病进展”作为时间依赖协变量纳入模型，动态调整其影响。高级统计方法：解决复杂混杂的“利器”当混杂因素众多、存在交互作用或未测量混杂时，传统方法难以胜任，需借助高级统计方法。高级统计方法：解决复杂混杂的“利器”倾向性评分方法：模拟随机化的均衡性倾向性评分（PS）是指“在给定一系列混杂因素下，个体接受暴露的条件概率”，通过PS匹配、加权或分层，可使暴露组与非暴露组的混杂因素分布均衡。-PS匹配：为每个暴露组患者匹配1个或多个PS相近的非暴露组患者，如在一项“经颈静脉肝内门体分流术（TIPS）治疗肝硬化食管静脉曲张出血”的RWS中，通过PS匹配（匹配因素包括年龄、Child-Pugh分级、出血次数、是否使用β受体阻滞剂），均衡了“是否选择TIPS”的选择偏倚，结果显示TIPS组再出血率显著低于药物组（HR=0.65,95%CI:0.52-0.81）。-PS加权：通过逆概率加权（IPTW）为每个样本赋予权重，权重=1/PS（暴露组）或1/(1-PS)（非暴露组），使加权后两组混杂因素分布均衡。PS加权适用于样本量大、匹配后样本量损失严重的情况，如在一项DAA治疗丙肝的真实世界研究中，PS加权后样本量从匹配时的600例增至1200例，提高了统计效能。高级统计方法：解决复杂混杂的“利器”工具变量法：解决未测量混杂的“突破口”当存在未测量混杂（如“患者依从性”“家庭护理质量”）时，工具变量法（IV）可通过寻找与暴露相关、与结局无关（仅通过暴露影响结局）、与未测量混杂无关的工具变量，估计“因果效应”。例如，在评价“抗病毒治疗依从性对乙肝肝硬化预后的影响”时，“患者到医疗机构的距离”可作为工具变量：距离远者取药不便，依从性可能更低（与暴露相关）；但距离本身不影响肝硬化预后（仅通过依从性影响结局）；且距离与“家庭护理质量”等未测量混杂无关。通过两阶段最小二乘法（2SLS）分析，可估计“依从性每提高10%，肝硬化死亡风险降低15%”的因果效应。工具变量的选择需严格验证，避免“弱工具变量”或“工具变量与结局直接相关”的偏倚。高级统计方法：解决复杂混杂的“利器”边际结构模型（MSM）：处理时间依赖性混杂的动态工具对于长期随访中的时间依赖性混杂（如治疗过程中的病情变化、药物调整），边际结构模型通过逆概率加权（IPTW）对时间依赖混杂进行动态调整，估计“边际效应”（即人群平均水平下的因果效应）。例如，在一项“乙肝抗病毒治疗10年对肝硬化逆转的影响”研究中，患者可能在治疗过程中因“病毒学突破”调整药物，此时“病毒学突破”是时间依赖混杂。通过构建MSM，在每个时间点计算“接受当前治疗的条件概率”并加权，可估计“持续抗病毒治疗10年vs.未治疗”的肝硬化逆转率（OR=2.30,95%CI:1.85-2.86），有效控制了时间依赖混杂的干扰。高级统计方法：解决复杂混杂的“利器”结构方程模型（SEM）：解析间接效应与混杂路径当混杂因素通过“中介变量”影响结局时，结构方程模型可同时分析“直接效应”（暴露对结局的独立影响）和“间接效应”（暴露通过中介变量对结局的影响），区分混杂与中介。例如，在评价“运动对非酒精性脂肪肝患者肝脂肪含量的影响”时，“体重减轻”可能是中介变量（运动→体重减轻→肝脂肪含量下降）。通过SEM建模，可分离“运动通过体重减轻的间接效应”（占总效应的60%）和“直接效应”（占40%），避免将中介变量误认为混杂因素，导致过度调整偏倚。敏感性分析：评估混杂稳健性的“试金石”敏感性分析用于评估“未测量混杂或残余混杂对结果的影响”，判断结果是否稳健。敏感性分析：评估混杂稳健性的“试金石”E-value评估：量化未测量混杂的强度E-value是指“需要多强的未测量混杂（以风险比OR衡量），才能将观察到的效应估计值（如OR=1.5）变为无效（OR=1.0）”。E值越大，结果越不易受未测量混杂影响。例如，在一项“中药复方治疗肝纤维化”的RWS中，观察到的OR=1.8（95%CI:1.3-2.5），计算E-value=2.2，意味着“若存在一个未测量混杂因素，其使肝纤维化进展的风险增加2.2倍，且该因素与中药使用和肝纤维化进展均相关，才能推翻观察到的效应”。由于2.2的OR强度较强（通常认为OR>2的混杂因素较少见），可认为结果较为稳健。敏感性分析：评估混杂稳健性的“试金石”阴性对照设计：验证混杂是否存在阴性对照设计是通过选择“理论上不应存在关联”的暴露-结局组合，验证是否存在混杂。例如，在评价“抗病毒治疗对肝癌生存率”的研究中，选择“抗病毒治疗与骨折发生”作为阴性对照（两者理论上无直接关联）。若结果显示抗病毒治疗组骨折风险显著降低（P<0.05），提示存在“混杂因素”（如抗病毒治疗患者更规律随访，更早发现骨质疏松并干预），需进一步调整该混杂。敏感性分析：评估混杂稳健性的“试金石”多模型比较：检验结果的一致性通过比较不同模型（如未调整模型、调整部分混杂模型、调整全部混杂模型、PS加权模型）的结果，判断是否因模型设定不同导致结论差异。例如，在一项“TIPS治疗肝硬化预后”的RWS中，未调整模型显示TIPS组生存率更高（HR=0.70），调整年龄、Child-Pugh分级后HR=0.75，PS加权后HR=0.72，多模型结果一致（HR均在0.7-0.75），提示结果稳健；若调整后HR变为1.10，则提示存在重要混杂未被控制。04混杂控制的挑战与未来方向混杂控制的挑战与未来方向尽管现有策略已能较好控制肝病RWS中的混杂，但随着真实世界数据的复杂性和临床需求的提升，仍面临诸多挑战，未来需从技术、方法、协作等多维度突破。当前混杂控制的主要挑战未测量混杂的“固有难题”肝病患者的个体差异极大，许多混杂因素（如“心理状态”“家庭支持”“生活习惯的动态变化”）难以通过现有数据采集工具量化。例如，在评价“心理干预对肝硬化患者生活质量的影响”时，“焦虑抑郁程度”虽可通过量表评估，但患者的“情绪波动”“应对方式”等仍难以捕捉，成为未测量混杂的来源。当前混杂控制的主要挑战真实世界数据的“异质性偏倚”不同医疗机构的诊疗规范、数据记录习惯差异巨大。例如，基层医院可能未常规检测“HBV-DNA定量”，导致“病毒载量”这一关键混杂因素缺失；而三甲医院可能更详细记录“合并用药”，这种数据异质性会增加混杂控制的难度。当前混杂控制的主要挑战复杂治疗场景的“交互混杂”肝病的治疗常涉及多学科协作（如肝癌的手术、介入、靶向、免疫治疗联合），不同治疗措施的交互作用、序贯调整会引入复杂的交互混杂。例如，在“靶向治疗+免疫治疗”的肝癌患者中，“免疫相关不良反应”可能导致靶向药物剂量调整，而“剂量调整”本身又与疗效相关，这种“治疗-不良反应-剂量调整-疗效”的复杂链条，难以用传统模型完全控制。当前混杂控制的主要挑战外部真实性与内部真实性的“平衡困境”过度控制混杂（如严格限制纳入标准）会提高内部真实性（结果可靠），但降低外部真实性（难以推广至更广泛人群）；而宽松纳入标准虽提高外部真实性，但混杂风险增加。例如，在DAA治疗丙肝的RWS中，若纳入“合并肾功能不全”患者，结果更贴近真实世界，但“肾功能”是混杂因素，需调整；若排除此类患者，结果虽纯净但无法指导肾功能不全患者的治疗决策。未来混杂控制的发展方向真实世界数据与人工智能的深度融合人工智能（AI）技术可通过自然语言处理（NLP）从电子病历的文本数据（如病程记录、影像报告）中提取传统结构化数据未记录的混杂因素。例如，通过NLP模型从“患者主诉”中识别“近期