医学证据评价专家共识（2025版）

医学证据评价专家共识（2025版）随着医学科学的飞速发展，临床实践正从经验医学向循证医学深度转型。为了应对日益复杂的临床决策需求，确保医疗行为的科学性与安全性，特制定本共识。本共识旨在为医疗卫生人员、研究人员及政策制定者提供一套系统化、标准化且具前瞻性的医学证据评价方法论，以规范证据的获取、评价、合成与应用过程。共识内容融合了国际最新的方法学进展与本土实践需求，特别针对真实世界研究、人工智能辅助决策等新兴领域的证据评价提出了指导性意见。一、基本原则与核心定义医学证据评价是对临床研究数据的可靠性、真实性及临床适用性进行系统评估的过程。在开展证据评价时，必须遵循以下核心原则，以确保评价结果的客观公正。1.1循证决策核心原则循证医学的核心在于慎重、准确和明智地应用当前所能获得的最佳研究证据。专家共识强调，证据评价不应仅关注研究结果的统计学显著性，更应注重临床意义。临床意义包括但不限于终点事件的发生率、患者生活质量的改善程度以及卫生经济学指标。评价者需具备批判性思维，避免被研究设计的局限性或商业利益所误导。1.2证据、推荐意见与利益冲突证据是支持临床决策的基础，而推荐意见则是结合证据、患者价值观及资源消耗后形成的行动指南。本共识严格区分证据质量与推荐强度。高质量证据并不总是意味着强推荐，还需考虑利弊平衡、证据适用性及患者意愿。此外，所有参与证据评价的专家必须披露潜在的利益冲突，确保评价过程的独立性。1.3PICO原则的深化应用在构建临床问题及检索证据时，PICO原则是基石。但在2025版的共识中，我们进一步强调了“S”（StudyDesign）和“T”（Timing）的重要性。人群：需明确纳入排除标准，关注亚组特征，如基因型、合并症等精准医学要素。干预措施：不仅包括药物，还应涵盖手术方式、康复计划、公共卫生策略等。对照：需明确对照是安慰剂、阳性药物还是常规治疗。结局指标：分为主要结局和次要结局，强调以患者为中心的结局，如全因死亡率、致残率等，而非仅仅是替代指标（如血压下降数值）。二、证据分级体系（GRADE）的深化应用尽管GRADE系统已成为国际主流，但在实际应用中常存在理解偏差。本共识对GRADE系统的应用进行了详细阐释与规范。2.1证据质量的初始分级证据质量的初始分级取决于研究设计。通常情况下，随机对照试验（RCT）初始定为高质量，观察性研究初始定为低质量。然而，共识强调这并非绝对规则，需根据具体情况进行调整。2.2降级因素的具体考量评价者需从以下五个维度审慎考虑是否降级，且每一级降级都应有充分的方法学依据：1.偏倚风险：涵盖选择偏倚、实施偏倚、测量偏倚、失访偏倚、报告偏倚等。对于RCT，需重点评估分配隐藏是否完善、盲法是否实施（特别是对主观结局指标）；对于观察性研究，需评估混杂因素的控制情况。2.不一致性：当不同研究间结果差异显著时，需探索异质性来源。点估计值差异大或置信区间（CI）无重叠均提示不一致性。此时，不应简单合并，而应进行亚组分析或回归分析寻找原因。3.间接性：包括人群间接性（如儿童数据推算至成人）、干预间接性（如类似药物推算）、结局间接性（如替代终点推算临床终点）。4.不精确性：当样本量过小、置信区间宽泛且跨越无效线（如RR=1）或临床获益阈值时，应考虑降级。5.发表偏倚：通过漏斗图、Egger检验等手段评估小样本效应的存在。若阴性结果研究未发表，证据质量将大打折扣。2.3升级因素的操作规范观察性研究在满足特定条件时可升级，但这一过程常被滥用。共识规定，仅当同时满足以下条件且无明显的混杂因素时，方可考虑升级：效应量巨大：如RR>2或RR<0.5，且置信区间狭窄，排除了混杂因素导致如此大效应的可能性。剂量-反应关系：随着剂量增加或暴露时间延长，效应呈明显趋势变化。所有可能的混杂因素：若所有潜在的混杂因素都可能导致低估真实效应，而观察到了显著效应，则可信度增加。2.4证据等级定义表为明确标准，本共识制定了如下证据等级定义表：证据等级定义符号适用场景描述高质量我们非常确信真实的效应值接近效应估计值。⊕⊕⊕⊕基于设计严谨、执行完美的大样本RCT，或升级后的观察性研究。中等质量对效应估计值我们有中等程度的信心：真实值可能接近估计值，但也有可能存在实质性差异。⊕⊕⊕◯存在轻微缺陷的RCT，或证据主体来自观察性研究但一致性较好。低质量我们对效应估计值的信心有限：真实值可能与估计值存在实质性差异。⊕⊕◯◯存在严重方法学缺陷的研究，或结果不一致的观察性研究。极低质量我们对效应估计值几乎没有任何信心：真实值很可能与估计值存在实质性差异。⊕◯◯◯极其严重的设计缺陷、数据极度不精确或完全基于专家意见。三、不同研究类型的偏倚风险评估工具针对不同研究设计，必须采用经过验证的偏倚风险评估工具。共识推荐使用Cochrane协作网更新的工具版本。3.1随机对照试验（RCT）的评价对于RCT，共识推荐使用ROB2.0（RiskofBias2）工具。该工具通过算法化的信号问题评估偏倚风险，重点关注以下五个领域：1.随机化过程中的偏倚：评估随机序列的产生和分配隐藏。2.偏离既定干预的偏倚：评估盲法实施及依从性分析。3.结局数据缺失的偏倚：评估失访率、剔除率及意向性分析（ITT）的使用。4.结果选择性报告的偏倚：对照方案与报告，检查预设结局的完整性。5.整体偏倚：综合上述判断。3.2非随机干预性研究（NRSI）的评价对于NRSI，推荐使用ROBINS-I（RiskofBiasinNon-randomizedStudies-ofInterventions）工具。该工具通过模拟目标RCT的七个领域来评估偏倚：由于混杂因素导致的偏倚（核心）。由于研究参与者选择导致的偏倚。由于干预措施分类后的偏倚。由于偏离既定干预导致的偏倚。由于数据缺失导致的偏倚。由于结局测量导致的偏倚。由于结果选择性报告导致的偏倚。3.3诊断准确性试验的评价推荐使用QUADAS-2工具。重点评价四个方面：病例选择、待评价试验、金标准试验、病例流程和进展情况。特别需关注“疾病进展偏倚”和“查证偏倚”。3.4观察性研究的评价对于队列研究和病例对照研究，推荐使用NOS量表（Newcastle-OttawaScale）或ROBINS-I。若关注预后因素，应使用QUIPS工具。四、真实世界证据（RWE）的评价标准随着医疗大数据的发展，真实世界研究（RWS）日益重要。然而，RWE不能直接等同于高质量证据。本共识特设章节规范RWE的评价。4.1数据来源的可靠性评价RWE的首要任务是评估数据来源。电子病历（EMR）、医保数据库、登记注册研究等数据源必须具备完整性、准确性和可溯源性。评价者需审查：数据清洗和标准化的流程是否透明。是否存在逻辑错误或缺失值的处理方式是否科学。数据库的构建是否预设了研究目的，还是事后挖掘。4.2混杂控制的关键技术由于RWS多为非随机化，混杂控制是评价核心。共识要求研究者必须使用高级统计学方法处理混杂，包括：倾向性评分匹配（PSM）：评估匹配前后的标准化差异（STD）是否小于0.1。多变量回归调整：评估模型假设是否满足。工具变量分析（IV）：评估工具变量的相关性、独立性和排他性假设。若仅进行简单的粗率比较而未控制混杂，该证据质量直接判定为“极低”。4.3外推性与普适性RWE的优势在于外推性好。评价时应关注研究人群是否覆盖了临床实际中的广泛人群（如老年人、肝肾功能不全患者），这是RWE相对于RCT的重要补充价值。但在评价时，需明确界定其适用边界，避免将特定机构的数据过度推广至全人群。五、证据综合与Meta分析的高级方法在系统评价中，如何正确合并证据是关键。共识针对常见的误区提出了规范性要求。5.1异质性的识别与处理异质性是Meta分析的常态而非例外。在进行合并前，必须通过森林图观察点估计值的分布，并通过Cochran'sQ检验和I²统计量量化异质性。I²<25%：异质性低，可采用固定效应模型。25%≤I²≤75%：异质性中高，需寻找异质性来源。若来源不明且临床可合并，建议采用随机效应模型，并谨慎解释结果。I²>75%：异质性极高，禁止盲目合并。应停止Meta分析，转而进行定性描述或亚组分析。5.2效应量的选择根据数据类型和临床意义选择恰当的效应量：二分类变量：优先使用相对风险（RR）或风险比（HazardRatio,HR），避免使用优势比（OR），除非是病例对照研究或事件发生率极低，因为OR容易被临床医生误解。连续性变量：当测量单位一致时，使用均数差（MD）；当单位不同或需消除量纲影响时，使用标准化均数差（SMD）。5.3网状Meta分析（NMA）的评价当直接比较证据缺乏时，NMA提供了重要手段。评价NMA需额外关注：传递性假设：即不同研究间的基线特征是否相似，这是NMA成立的前提。不一致性检验：直接比较与间接比较的结果是否存在矛盾。环路拆分法：用于检测闭合环路中的不一致性。排序概率：需报告SUCRA值（曲线下面积）或P-score，但必须指出排名靠前不代表临床有意义的优势。六、人工智能与大数据在证据评价中的应用2025版的共识必须回应AI技术对医学证据评价的冲击。AI既是工具，也带来了新的评价维度。6.1AI辅助证据筛选与提取利用自然语言处理（NLP）和大语言模型（LLM）辅助文献筛选和数据提取已成为趋势。共识认为，AI可作为初筛工具提高效率，但必须经过人工复核。对于关键数据（如主要结局、不良事件），人工复核率应达到100%。6.2算法透明度与可重复性若研究使用了机器学习模型构建预测因子或进行聚类分析，评价者需检查算法的透明度。代码是否开源？参数设置是否详细报告？是否在独立的外部数据集进行了验证？缺乏外部验证的AI模型证据质量应予降级。6.3避免AI幻觉与数据造假在使用生成式AI撰写系统评价或辅助分析时，严禁AI编造参考文献或数据。共识要求所有引用的数据必须溯源至原始文献。对于完全由AI生成的分析结果，若无源代码和原始数据支持，一律不予认可。七、证据向决策转化的考量高质量证据并不自动转化为临床决策。在证据评价的最后阶段，必须考量以下维度。7.1利弊平衡与临界值评价者需计算干预措施的获益与风险比（NNT/NNH）。对于预防性措施，可能承受较小的风险以换取潜在的获益；对于致死性疾病的根治性治疗，可能承受较大的毒性风险。共识建议明确列出“值得尝试的临界点”。7.2卫生经济学评价医疗资源是有限的。证据评价应纳入成本效果分析（CEA）和成本效用分析（CUA）。增量成本效果比（ICER）是关键指标。评价时需参考当地的支付阈值（如1-3倍人均GDP），判断干预措施的经济性。7.3患者价值观与偏好循证医学的终极目标是服务于患者。共识强调，证据评价报告中应包含对患者价值观的分析。如果干预措施虽在生物学指标上有效，但严重影响患者生活质量或患者依从性极低，则推荐强度应降低。八、报告规范与透明度为了确保评价过程的可重复性，必须严格遵守国际报告规范。8.1系统评价与Meta分析必须遵循PRISMA2020声明。报告需包含流程图（展示筛选过程）、研究特征表、偏倚风险评估图、效应量汇总表及敏感性分析结果。8.2随机对照试验必须遵循CONSORT2010声明。特别强调报告随机化的细节、盲法的实施及意向性分析（ITT）结果。8.3观察性研究必须遵循STROBE声明。详细描述研究对象的来源、方法学细节及统计学方法。8.4方案注册与前瞻性注册共识强烈建议所有系统评价在研究开始前在PROSPERO平台注册，临床试验在ClinicalT或ChiCTR注册。事后注册的证据将被视为存在高偏倚风险，证据质量至少降一级。九、特殊领域的证据评价9.1中医药与补充替代医学中医药证据评价具有特殊性，如辨证论治导致的个体化诊疗难以标准化。共识建议：采用“病证结合”的模式构建PICO。对于复方制剂，应评价其质控标准是否严格。报告时遵循CONSORTforTCM和PRISMAforTCM扩展版。重视“安慰剂效应”的控制，特别是对于主观症状改善的评价。9.2罕见病研究由于罕见病患者样本稀缺，RCT往往难以实施。共识指出：单病例随机试验（N-of-1trials）是高质量证据。小样本队列研究、病例系列经过严格评价后，证据等级可适当上调。倾向于采用真实世界数据和登记注册研究作为证据主体。9.3诊断与预后研究不同于干预性研究，诊断和预后研究关注的是准确性或风险预测。诊断研究：重点关注敏感度、特异度、似然比及ROC曲线下面积（AUC）。需区分鉴别诊断能力与对临床结局改善的影响。预后研究：重点关注C-index（一致性指数）和校准曲线。模型建立后必须进行内部验证（如Bootstrap法）和外部验证。十、证据评价的伦理与法律考量医学证据评价不仅是技术问题，更涉及伦理与法律底线。10.1患者隐私保护在使用真实世界数据或公开数据库进行二次分析时，必须确保患者去标识化。评价者需确认数据来源方已获得患者的知情同意或符合伦理豁免标准。10.2