真实世界证据，怎样才算可回溯

真实世界研究这几年很热。医保谈判要它、药品再评价要它、越来越多的临床决策也想借它一把。但一份真实世界证据报告递上去，审评专家第一个问的，往往不是结论多漂亮，而是一句朴素的话：这数据从哪来，能不能追回去。

可回溯不是加分项，是底线。这一点想清楚了，很多关于真实世界研究的争论都能落地。

可回溯到底在回溯什么

简单说，每一个进入分析的数据点，都能沿着链条追回到它最原始的样子。

大致分四层。第一层是源数据可追：分析用的每个变量，都能对回到病历、检验系统或原始数据库的具体字段，而不是一张来历不明的汇总表。

第二层是口径可查：数据怎么采、怎么清洗、缺失怎么处理、变量怎么定义，都要有明确规则并留痕。同一个纳入标准，换个人跑也该得到同样的人群。

第三层是修改可审计：谁在什么时候改了什么，系统里留得住。数据不是不能动，而是每一次动都要有记录、有理由。第四层是时间线可信：关键节点不能事后随意补录或篡改。

这四层缺哪一层，结论再好看，都经不起追问。

真正做过真实世界研究的人都知道，链条断掉往往不在分析，而在更前面。

最常见的一处，是数据来源说不清。分析用的是哪个库、哪个版本、抽取时间是什么，回答含糊，后面全盘存疑。第二处，是变量定义漂移。同一个结局指标，前后用了不同口径，或者中途改了定义却没记录，数据就对不齐了。

第三处，是修改无留痕。有人图省事直接在原表上改数，改完连改了什么都说不清。第四处，是时间戳不可信，关键日期靠事后回忆补录。这四个断点，单看都不起眼，凑到一起，一份证据就废了。

为什么现在格外要紧

新版GCP已从2026年9月起实施，全面对标国际的ICH E6 R3，并且专门新增了独立的数据治理章节。

这个信号很清楚：数据可信，正在从一句模糊的原则，变成写进规范的硬约束。过去大家默认数据没问题，现在要求你证明数据没问题。

对真实世界研究来说，影响更直接。它天生依赖既有的病历、医保、登记库等二手数据，链条长、来源杂，可回溯的难度本就比前瞻试验大。规则收紧之后，治理跟不上的研究，证据分量会被直接打折。

这事不只关研究者，也关每一个要用证据的临床医生。看到一项真实世界研究，先别急着看结论，可以反过来问几个问题。

数据来自哪里，样本怎么选进来的，有没有明显的选择偏倚。关键结局是怎么定义和判定的，是硬终点还是替代指标。有没有交代混杂因素怎么处理。一份连数据来源和口径都语焉不详的研究，结论再惊艳，也只能当线索，不能当依据。

会问这几个问题，就不容易被漂亮的数字带着走。

有人觉得，把每一步都留痕、都可追，是给自己套枷锁，拖慢进度。真做过一轮监管沟通就会明白，恰恰相反。

当审评专家提出质疑，一个能当场把数据链路、变量定义、修改记录都调出来的团队，和一个只能解释、无法举证的团队，处境完全不同。前者从容，后者被动。可回溯不是束缚，而是被质疑时你还站得住的底气。

数据治理的投入，买的是未来每一次被追问时的主动权。这笔账，越往后越划算。

落到做研究的团队

很多团队栽在同一处：把可回溯当成收尾工作：报告快写完了，才回头补数据来源和修改记录。这时候往往已经补不齐了。

正确的做法是把它前置。研究一开始，就把数据来源、变量定义、采集口径、修改留痕这套地基搭好，让每一步都在可追的轨道上跑。事后补台账，和事前建台账，可信度不是一个量级。

先把数据治理和可回溯的地基打牢，再谈结论。证据能不能被采信，常常不取决于分析多高级，而取决于最底层那句话：它追得回去吗。

本文由穆景循证 MJonline 编辑部原创。信息仅供医疗卫生专业人士参考，不作为诊疗建议。