上海
撰文 | 宋文法
临床研究里，随机对照试验（RCT）证据等级很高，但不是所有问题都能做RCT。比如：你不可能强迫一群人去吸烟，观察他们会不会得肺癌。当干预手段违背伦理、现实无法实施时，队列研究（Cohort Study） 就成了我们寻找“因果关系”的利器。
今天，我们就用图解的方式，把队列研究的设计原理、指标计算以及Cox回归，一次性给你讲清楚！
1、什么是队列研究？
队列研究，是将人群按照“是否暴露”于某个因素（如吸烟、肥胖、某种药物）分为暴露组和对照组，然后追踪一段时间，看看这两组人谁更容易得病。它最大的优势在于：先有因，后有果，时间逻辑清晰，是验证因果关系的“金标准”之一。
2、队列研究的三种类型
前瞻性队列（Prospective）：“从现在走向未来”。 研究开始时，结局还没发生，我们一边随访一边记录。这是最经典的形式，但耗时长。
回顾性队列（Retrospective）：“由现在回溯过去”。 研究开始时，结局已经发生。我们通过查阅过去的病历、档案，把人群分好组，直接算结果。省时省钱，但受限于档案质量。
双向性队列（Ambispective）：“先回顾，后前瞻”。 先用历史档案完成回顾部分，历史资料不够，继续对这批人群向前随访，补齐后续事件。兼顾效率和完整随访数据。
3、队列研究的完整流程：分组→随访→算效应指标
分组：选出两组基线无病的人（暴露组和非暴露组）。
随访：在同一时间窗口内，同等强度地追踪。
比较：对比两组的发病率。
假设随访结束后：
暴露组：a人发病，b人未发病，发病率I=a/(a+b)
对照组：c人发病，d人未发病，发病率I=c/(c+d)
常用效应指标：
RR（相对危险度）：暴露组发病风险是对照组的多少倍？（比如RR=2，说明风险翻倍）。
AR（归因危险度）：暴露带来的绝对额外风险。（如果不暴露，能降低多少发病率）。
AR%（归因危险度百分比）：暴露人群中，有多少比例发病是归因于这个暴露的。
4、队列研究中3个关键概念
1）人年
队列里每个人随访时长不一定一样：有的人中途发病，有的人失联失访，有人坚持到研究结束。
不能直接简单用总人数计算发病率，这时候就要用人年。
人年=每个人实际被观察的时间全部相加，只要人还在队列观察中，每多观察1年，就贡献1个人年。比如100人观察了1年，就是100人年。
2）失访偏倚：队列研究最大的坑
失访，即随访过程中，受试者搬家、拒绝参与、死亡，失去追踪。如果失访是完全随机的，对研究影响有限；如果高风险的人更容易失访，就会产生严重的失访偏倚，扭曲真实研究结论。
论文中如何避坑：
总失访率尽量<20%，两组失访率差异<5%。
区分“随机失访”和“与结局相关的失访”。
做敏感性分析，检验结论稳不稳定。
3）Cox回归
当结局不仅看“是否发生”，还要看“多久发生”（时间-事件数据）时，我们就需要用到 Cox比例风险模型。
核心公式：h(t|X) = h0(t)·exp(βX)
简言之：个体在某一时刻的风险 = 基线风险 × 协变量的指数效应
输出核心结果：HR（风险比）
HR=1：该因素不影响风险。
HR＞1：危险因素，HR=2代表风险翻倍。
HR＜1：保护因素，HR=0.5代表风险减半。
注意，Cox模型有一个硬性前提：比例风险假设。Cox模型要求两组人的风险比值恒定（即两条风险曲线平行，不随时间交叉）。如果现实中两条线交叉了，代表假设不成立，需要用分层Cox或时变协变量等方法改进。
5、什么时候优先选择队列研究？
无法开展 RCT，干预存在伦理问题（不能人为制造暴露）
想要探究暴露因素和疾病之间的因果时序关系（暴露在前，结局在后）
适合研究罕见暴露，观察多种结局
不适合研究罕见病：如果结局发生率极低，需要巨大样本量，耗费大量资源
总结
队列研究是临床观察性研究的基石。看懂前瞻性、回顾性队列的逻辑，理解人年、失访偏倚这些核心概念，才能读懂大量高分临床文献，也能帮你搭建自己的科研课题。
为了帮助大家高效、高质地完成SCI，医诺维推出重磅科研直播公开课！
从10月15日到10月31日，连续8场硬核直播，从设计原理、软件实操，到临床数据挖掘，再到SCI产出，公益直播课，全程免费。
课表送上，欢迎预约。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
