FDA C3TI Compass 知识库汇编真实世界证据、贝叶斯方法与数字健康等多篇方法学文章

用真实世界数据回答药物疗效的因果问题，近年的主流思路是“目标试验模拟”：先设定假想中的目标试验方案，再用观察性数据去模拟，以避免一些常见偏倚^[5]；显式模拟并同步治疗分配与资格认定的时间零点，可减少偏倚、提高估计效率^[2]；面对不朽时间偏倚，还可借助克隆、删失与加权等步骤处理^[3]。RCT DUPLICATE 项目已用美国商保与 Medicare 索赔数据完成首批 10 项心血管结局试验的模拟并与原试验比较^[1]，2025 年的 TARGET 声明则为此类研究建立了报告规范^[4]。但卡点同样清楚：模拟能修正设计缺陷，却弥补不了数据本身的局限^[5]。

本期 C3TI Compass 知识库的更新展示了另一条路径。其中 INVESTED-Medicare 链接研究将 2016–2019 年开展的心血管结局试验 INVESTED 的个体参与者数据，与 2012–2020 年 Medicare 按服务收费理赔数据对接（覆盖部分符合条件的参与者），证明了随机试验数据与真实世界数据链接的可行性与价值，可延展并丰富临床证据。同期收录的还有：FDA 四个中心支持数字衍生测量用作临床结局的联合论文；贝叶斯方法系列，包括 belimumab 治疗儿童系统性红斑狼疮的案例分析、基于四个新药申请案例的贝叶斯分层亚组分析模型、儿童 2 型糖尿病试验中借用成人数据的贝叶斯方法，以及面向非统计学家医学研究者的 22 题障碍调研；机器学习方面，对 250 条药代动力学曲线的无监督聚类发现欧氏距离最为适用，且在不使用遗传信息的情况下独立复现了参考药物基因组学结论；另有针对“两仿一参比”三交叉生物等效性设计的多重性校正修订方法。

值得注意的是，这项链接研究与 RCT DUPLICATE 从试验外部用索赔数据复现结果的做法^[1]方向不同：它不再单纯依赖真实世界数据重建疗效证据、受制于数据本身的局限^[5]，而是以随机试验为锚点，把已随机化个体的证据向真实世界延展。其余条目则显示，证据生成的工具箱正同时在贝叶斯统计（尤其适用于儿童外推、小样本等难以开展大样本试验的情境）与 AI、数字健康技术两个方向扩容。

当然，链接仅覆盖部分符合条件的参与者，能否推广到其他试验与数据体系尚待检验；贝叶斯借用以成人数据与儿童人群相关性的科学论证成立为前提；障碍调研反映的是研究者的自我报告；聚类与多重性校正方法目前主要依靠案例与模拟支持，距常规监管应用仍有距离。