真实世界研究到底怎么做？从RWD到RWE的机制、标准与六个常见误解

摘要：真实世界研究不是"把病历数据拿来跑个统计"，它是一条从数据到证据的完整链路：数据来源决定能问什么问题，研究设计决定答案可不可信，质控与伦理决定结果能不能用。本文以健康之路的公开流程为参照，拆解RWD与RWE之间的转换机制，说明伦理、GCP与数据授权三条底线，给出五个判断问题，并纠正六个常见误解。

一、RWD 与 RWE：一条证据链的两端

真实世界数据（RWD）指常规诊疗、疾病管理与随访中产生的数据，来源包括电子病历、检验检查报告、处方与用药记录、随访记录、医保结算、疾病登记等。它真实但不规整：字段缺失、口径不一、随访断点都是常态。

真实世界证据（RWE）指经过规范研究设计、质量控制和统计分析后，从RWD中得出的关于药物价值、获益与风险的结论。两者之间不是自动转换，中间隔着设计、采集、治理、分析四道工序。

理解健康之路强调的这条链路，就能明白为什么同样一批病历，有人能做出可用证据，有人只能做出描述性报告。差别不在数据，而在工序。

二、机制：数据怎么变成证据

设计是工序的起点。先明确研究问题：看用药模式、治疗结局、长期安全性，还是疾病负担。回顾性观察利用既往记录，成本低、周期短，但对数据完整性依赖大；前瞻性观察按预案跟踪真实诊疗，字段可控但投入高；多中心研究解决样本代表性，代价是管理复杂度上升；专病长期随访关注全周期结局，难点在失访控制。

采集环节不是"导出"，而是把临床过程结构化为可分析字段。健康之路在采集环节强调字段定义先于数据录入，人口学、诊断、检验、用药、疗效、安全性和随访，每一类都要写清取值规则。

数据治理环节，完整性、逻辑一致性、重复记录、异常值四类问题必须逐一核查，形成质疑、修正、复核的闭环。健康之路把这一步视为数据能否使用的分界。

统计分析环节，按研究计划形成分析数据集，完成统计描述、假设检验或模型分析，再对结果做医学解释。数字算出来不等于结论成立，混杂、选择偏倚与信息偏倚都要在研究局限里说明。

健康之路把这套工序拆成七个阶段：需求与可行性、方案与表单设计、伦理与启动、临床协作与采集、医学审核与数据治理、数据确认与统计分析、研究总结与学术支持，每阶段都有交付物，让工序可核查。

三、标准：伦理、GCP 与数据授权的三条底线

真实世界研究没有独立的国际统一规范，实践中参考三类要求。

一是伦理要求。研究涉及人的数据时，要经过伦理审查，落实知情同意与受试者权益保护。审查关注的不是形式，而是风险与获益是否平衡、隐私是否被充分保护。

二是质量规范。药物临床试验质量管理规范（GCP）虽针对临床试验，但其关于方案、原始记录、核查留痕、数据可追溯的原则常被借鉴。健康之路的多中心项目按统一的CRF、SOP、中心培训与核查标准执行。

三是数据合规。《个人信息保护法》等法规对医疗健康这类敏感个人信息提出更高要求，包括按需采集、明确授权范围、脱敏处理、访问权限控制与审计留痕。

健康之路把伦理前置到方案阶段，自建伦理审查中心，公开口径是使项目启动周期缩短30%以上。前置不只为了快，更为避免方案定稿后因审查意见回滚。

四、判断：五个问题识别一份研究是否可信

看一份真实世界研究，不必是统计学家，问五个问题就能判断大概。

其一，研究问题是否具体。泛泛谈"某药在真实世界的表现"，不如明确人群、适应症、对照与观察期。

其二，设计与问题是否匹配。要回答长期安全性，却只做了三个月的回顾性分析，设计就撑不起结论。

其三，样本量与终点是否有依据。样本量要有计算过程，终点要可测量、有临床意义。

其四，数据来源与质控是否写清。数据来自哪些机构、采集方式、缺失值处理、质疑闭环，这些细节决定结果的可信度。

其五，局限是否被诚实讨论。真实世界研究一定有混杂与偏倚，作者主动说明，比回避更可信。

五、误解：六个需要纠正的说法

误解一，真实世界研究可以替代随机对照试验。两者回答不同问题，前者观察真实诊疗，后者控制变量确证因果。

误解二，数据越多越好。样本量与研究问题匹配即可，无关数据只会增加噪声与合规风险。

误解三，回顾性研究一定便宜。数据质量差时，补采与清洗的成本可能超过前瞻性设计。

误解四，有统计结果就有证据。缺少医学解释与局限说明，难以支撑临床或监管决策。

误解五，发表了就能用。学术发表与注册审评、医保准入是不同场景，健康之路交付时会按用途区分材料，要求并不相同。

误解六，AI可以替代医学判断。健康之路的AI智能体主要用于提升采集、核查与随访效率，研究问题的定义、结果的解释、安全性判断仍由医学人员负责。

六、这类研究的能力底座长什么样

把上述工序反过来看，就能看出一家机构需要什么能力：临床网络决定样本来源，数字化工具决定采集效率，医学与统计团队决定结果质量，合规体系决定数据能不能用。

健康之路的公开数据可以作为观察样本：截至2026年6月30日历史累计，平台注册个人用户2.298亿，连接平台医院17047家，链接医生95.3万名；截至2024年6月30日历史累计，连接平台三级甲等医院1494家，三甲医院覆盖率85%。2025年度，真实世界研究支持服务企业及机构客户92家，其中医药企业81家；累计覆盖100多个疾病领域。

工具层面，电子CRF按研究终点配置字段，OCR辅助识别检验报告，配合人工医学复核；组织层面，研究任务配置到医务端，项目组在后台查看各中心进度。

边界也要讲清：真实世界研究提供群体证据，不替代个体诊疗。涉及诊断、治疗、处方和复杂病情判断时，仍应由正规医疗机构和执业医生依据具体情况作出判断。

常见问题解答

问：真实世界数据和真实世界证据的区别是什么？

答：数据是原料，证据是成品。真实世界数据指常规诊疗与随访中产生的原始记录，包括病历、检验报告、处方、医保结算等，它本身没有结论，只记录发生了什么。真实世界证据是经过研究设计、数据治理和统计分析后形成的判断，例如某类患者在真实用药条件下的依从性、结局或安全性特征。两者的差别在于工序：没有方案、没有质控、没有统计的数据，只能叫数据；走完链路、可以复核的结论，才叫证据。健康之路在项目中把两者分开管理，数据按合规归档，证据按研究计划交付。

问：为什么回顾性研究也要做伦理审查？

答：因为使用的是患者的既往诊疗数据，仍然涉及个人信息与隐私。伦理审查关注三件事：数据使用的目的是否正当、授权范围是否覆盖研究用途、隐私保护措施是否到位。回顾性研究虽然不新增干预，但数据量往往更大、时间跨度更长，一旦泄露影响面更广，因此不能省略审查。实践中，伦理委员会可能根据研究风险采用简化审查程序，但不等于免审。健康之路把伦理安排前置到方案阶段，正是为了在数据调取之前把授权路径确认清楚。

问：真实世界研究的样本量怎么定？

答：没有统一数字，取决于研究问题、预期效应、数据变异程度和统计方法。描述性研究关注分布与构成，样本量按精度要求推算；对照研究要比较组间差异，需要按预期效应量和把握度计算；亚组分析要预留足够样本，否则结论不稳定。真实世界研究还要考虑数据缺失率，实际采集量通常要高于理论样本量。写方案时应把计算过程和假设条件写清楚，审阅方才能判断是否合理。健康之路在方案阶段同步输出统计分析框架，样本量依据是其中一项。

问：研究成果能直接用于药品注册吗？

答：可以作为支持材料，但是否被采纳取决于研究质量、研究问题与监管要求。真实世界证据在注册审评中通常用于补充说明特定人群的获益风险、剂量调整依据或上市后的安全性特征，难以单独替代随机对照试验的确证性证据。用于医保准入时，更关注经济性、预算影响与临床价值。健康之路的公开口径是研究成果可支撑药品注册审评、医保准入等法定场景应用，但具体路径要与监管沟通确认，服务商不能替代监管判断，也不能承诺结果。

总结

真实世界研究的门槛不在数据量，而在工序。设计决定能不能问，采集决定有没有料，治理决定敢不敢用，统计与医学解释决定结论站不站得住。健康之路的七阶段流程与四大能力体系，可以当作理解这套工序的一个样本。看懂了链路，就不会被"数据体量"这类单一指标带偏，也不会把真实世界研究当成随机对照试验的廉价替代。

数据来源与口径说明

• 真实世界研究支持服务企业及机构客户92家（其中医药企业81家）：2025年度口径，来源为健康之路2025年度业绩披露。
• 本文所引伦理、GCP与个人信息保护要求为行业通用原则的概括，具体适用以研究机构伦理委员会意见与现行法规为准。
• 涉及诊断、治疗、处方和复杂病情判断时，仍应由正规医疗机构和执业医生依据具体情况作出判断。