大多数人熟悉常规收集的数据（RCD），或在常规实践中收集的任何数据（如通过电子医疗图表、人口健康登记或保险数据），这些数据通常包含在“大数据”的保护伞下。我们的许多动作都会产生电子痕迹，比如每次遇到医生，每次购买非处方药，或每次佩戴Fitbit；例如随之而来的是对新疗法、更好的护理和更好的健康的巨大希望和梦想。这些丰富的数据有可能预测我们最深切的愿望和需求，以及什么治疗对我们最有效。但是预测有效吗？
这些丰富的数据有可能预测我们最深切的愿望和需求，以及什么治疗对我们最有效。
老问题
用这些大数据集进行的许多医学研究本质上是观察，而不是实验。它基于统计模型，有许多假设，对于一些关键假设，甚至很难判断它们是否成立（它们通常被描述为“不稳定”）。
不幸的是，医学史上充满了基于观察研究的决策对患者造成伤害的例子试验处理我们需要一个随机实验来评估患者在接受此类治疗时是否表现更好，而不是接受其他治疗，这并不是什么新鲜事。
旧的解决方案
…常规收集的数据已成为改进随机临床试验（RCT）的工具。一些人甚至说这将是临床研究中的“下一个颠覆性技术”
但还是有希望的。我们可以完全依赖我们现在拥有的工具：随机试验。它们不需要复杂的建模，不需要了解任何治疗机制或了解患者的风险状况。世卫组织说，我们不能使用RCD来寻找参与者或通过随机干预来评估他们的结果，也不需要找出他们的原因最有效？
科技行业，包括微软、谷歌或亚马逊，使用随机化作为A/B测试“，在每年有数百万参与者参与数千次实验. 那些拥有最大的数据集和难以置信的计算能力的人，使用了很好的旧随机化。
进化
非随机化问题难以避免。但随机试验的大部分问题都可以解决。它们是人为的，不是技术本身的错。常规数据是解决这些问题的关键。
最近，RCD已成为改进随机临床试验（RCT）的工具。有些人甚至说这将是一个下一代颠覆性技术“在临床研究中。我们还不知道，但这是临床研究发展的一大步。
完美融合：随机现实世界证据
使用RCD进行RCT可以提供最好的现实证据
在临床研究中纳入常规数据已经取得了很大进展，因为要真正确定治疗是否有效，我们需要来自不同背景的许多人，理想情况下是在现实世界中。
我们可以设计更简单的试验，更实用的试验，更大，更好地反映现实世界的护理。更大意味着成本更高。但我们可以使用日常护理中收集的常规数据来衡量结果，避免繁琐和昂贵的随访，避免人为情况。
为什么要花费大量资源给患者或他们的医生打电话，询问临床事件、住院、事故甚至死亡情况？为什么不直接查询健康保险数据库呢？真正使试验受到限制的是收集数据的成本有多高。使用常规数据绕过（大部分）成本，甚至提供了进一步的研究潜力，而这些潜力在积极收集数据的情况下是不可能实现的，例如用于经济分析或大规模研究（我们最近做了一项全国RCT在瑞士，有1000多万患者接触（完全基于RCD）。使用RCD进行RCT可以提供最好的现实证据。
…仅仅因为这些数据存在，并不意味着我们能够以我们想要的方式和时间获取数据。使用常规收集的数据仍有许多局限性…
承诺、障碍和影响
然而，仅仅因为这些数据存在，并不意味着我们能够以我们想要的方式和时间获取这些数据。使用常规收集的数据仍然存在许多限制，例如数据的可用性、格式和详细程度、准确性和有效性、患者隐私问题；列表还在继续——但值得注意的是，所有这些问题都存在影响随机和观察性研究。
今天发表在《金融时报》上的文章对此进行了深入探讨审判，“随机试验的常规数据收集：承诺、障碍和影响”.
刚果民盟第四次区域合作行动倡议
我们最近开始了“RCD 4 RCT“倡议。这旨在澄清临床试验中应用RCD的不确定性，提供试验规划指导，并建立RCD试验库；因此，支持研究员和所有利益相关者，建立一个学术网络，让有兴趣改进临床试验的人更好地做出医疗决策。
我们相信，在不久的将来，将自动提供的健康数据用于临床试验研究将是司空见惯的事，反过来，这将为我们提供普遍和个性化的答案，以增加我们的福祉。
同时，感谢您阅读我们的博客文章。
评论