技能介绍

要解决什么问题

临床或转化医学里，你往往已经有一个比较效果、安全性或治疗路径的问题，但落地到 EHR、理赔（claims） 或 登记（registry） 数据时，设计细节会决定结论能不能被同行接受：数据源是否匹配、time zero 怎么定、新使用者（incident）还是 prevalent 暴露、结局窗口与删失规则、哪些变量能当基线混杂因素、以及能不能做 target trial emulation 而不是口头上的「因果」。本技能面向的是 研究类型与方案骨架，不是完整注册方案、不是论文写作，也不替你做无依据的因果断言。

技能如何工作

输入通常是带有纵向 RWD 逻辑的比较效果、安全性、依从/换药、预后或「用现有数据仿目标试验」类问题。技能会按固定工作流产出 A–L 十二段 的 RWE 研究蓝图，并在各段主动对照 references/ 下的规则模块（问题适配、数据源与捕获、时间零/暴露/随访、目标试验仿真、混杂与偏倚、主分析线等）。核心输出包括：

RWE 是否合适、问题类型与 estimand（临床问题 vs 数据实际能估计的量）
数据源策略及捕获缺口（不臆造库里有的变量）
源人群/目标人群、入排、基线窗与 index date
暴露/对照、治疗 episode、结局窗与删失、竞争风险假设
是否及如何做 target trial emulation，主要偏倚（指征混杂、不死时间、错分、信息性删失等）
主统计分析路线与可行性/假设登记（已知、可争取、目前不支持）

适用边界

超出范围时会直接说明并停止：个体化诊疗建议、纯 RCT 方案、更适合病例对照/横断面/诊断准确性/机制实验且无纵向 RWD 逻辑的需求、只做文献综述而无设计目的。硬性原则包括：不混淆基线与随访后信息、不模糊 time zero、不默认 prevalent-user 而不提示解释局限、不把关联分析写成因果效应。

截图预览

使用场景

PI 提出「早期激素是否增加感染」后，你需要用 EHR 把新使用者队列、time zero 和感染结局窗写成可评审的设计逻辑。
在理赔库评估一线抗凝药比较效果前，要先定暴露起始、洗脱期、对照组与主要删失规则，避免 prevalent-user 误读。
器械或肿瘤登记项目要分析失功、再干预或住院，需把 eligibility、随访截断与竞争事件假设写进 RWE 蓝图。
已链接理赔与死亡数据，要研究治疗停药与再入院，需构造治疗 episode 并审查信息性删失与混杂因素的时间顺序。

适合人员

医院或 CRO 的临床流行病学家，在动笔完整方案前要把 estimand、数据源捕获缺口和主要偏倚风险先框清楚。
药企医学部/药物警戒同事，要把比较效果或安全性问题整理成给 biostat 与数据工程可执行的 RWE 设计骨架（非论文或个体用药建议）。
管理本地 EHR、Flatiron 或医保理赔队列的研究协调员，负责把科学问题翻译成入排、基线窗与 index date 的可操作规则。
做观察性方法或 target trial emulation 的博士后/研究生，需要对照文献先例分清哪些试验组分在现有 RWD 里可仿真、哪些只能近似或不可行。