计算医学系列之四：流行病学与真实世界研究解决方案

从微观机制到宏观人群的“决策罗盘”

在上一期【计算医学系列之三：网络药理学与系统药理学解决方案】中，我们重点讨论了如何从“多成分–多靶点–多通路”的系统视角出发，解析药物作用的整体机制，回答“药物为什么有效、通过哪些通路起作用”这一类偏机制层面的核心问题。这一模块更多关注的是分子网络层级，为中药现代化研究和新机制发现提供理论依据和实验指引。然而，当我们将目光从实验室的细胞培养皿和动物模型，转向更广阔、更复杂的真实世界——由亿万个独特个体组成的动态人群时，新的挑战应运而生：如何评估一个已被证实有效的疗法在真实临床实践中的实际效果与安全性？这些机制和干预手段，在真实人群中究竟“有没有用”“对谁更有用”“能否改变疾病的发生和结局”？如何在人群层面早期识别疾病高危个体？又如何为公共卫生资源的配置提供科学、前瞻的决策依据？

要回答这些关乎群体健康与卫生政策的宏观问题，我们需要一个不同的“望远镜”——流行病学与真实世界研究。该模块将研究视角从分子和药物网络，进一步扩展到人群层面与真实世界场景，依托大规模人群数据、长期随访信息以及真实世界医疗数据，系统开展疾病流行趋势分析、危险因素识别、风险预测模型构建，以及公共卫生政策和人群干预效果的评估。通过将统计建模、机器学习方法与真实世界数据深度结合，这一方向不仅服务于科研发表，更直接面向疾病预防、风险分层和公共卫生决策支持，让计算医学真正从“解释机制”，走向“指导行动”。

定位：连接微观证据与宏观实践的“桥梁科学”

本模块旨在弥合基础研究发现与公共卫生应用之间的鸿沟。专注于利用大规模、多源化的人群数据，通过严谨的设计与先进的分析方法，将分子层面的机制发现，转化为可在人群层面评估、预测和干预的实证知识与决策工具。

1) 疾病流行趋势与疾病负担分析：刻画特定疾病的发病率、患病率、死亡率及伤残调整寿命年（DALY）等指标，动态监测疾病谱变化，精准量化其对人群健康的总体影响。

2) 风险因素识别与预测模型构建：整合传统统计与机器学习算法，从复杂的暴露因素（环境、行为、遗传、临床指标）中识别关键风险与保护因素，并构建高精度的疾病风险预测模型，助力个体化早期筛查与一级预防。

3) 真实世界数据（RWD）分析与研究（RWS）：基于电子健康记录、医保数据、登记系统、移动健康设备等产生的海量真实世界数据，评估治疗方案的有效性、比较效益、安全性及长期预后，补充随机对照试验的“金标准”证据。

4) 卫生政策与人群干预效果评估：模拟与评估公共卫生政策、筛查项目或社区干预措施的实施效果、成本效益与公平性，为政策优化与资源高效配置提供循证决策支持。

【核心价值】科研与决策的“定海神针”

1) 构建疾病风险“预警机”：结合多中心、大样本数据开发风险模型，实现疾病的“早发现、早干预”，是申报高水平公共卫生课题的核心竞争力。

2) 打破实验条件的“局限性”：真实世界研究（RWS）能够捕捉到临床试验（RCT）无法覆盖的复杂人群和长效结果，产出更具临床指导价值的循证证据。

3) 时空维度的全景预测：通过分析疾病的时间趋势与空间分布，为医疗资源配置与疫情预防提供科学的“导航地图”。

4) 数据整合的“枢纽”力量：具备整合多源异构数据的技术实力，能够开展定制化的、跨地域的大规模流行病学研究。

接下来，我们将围绕流行病学与真实世界研究中的典型研究范式，结合具体案例，分享如何基于人群数据回答高价值临床与公共卫生问题，以及如何高效产出具有现实意义和政策参考价值的研究成果。

文章示例一：机器学习与风险预测模型（大样本+ AI 赋能）队列数据

推荐方向：基于大规模队列数据的疾病发生风险预测模型构建。

这篇文章是复旦大学华山医院郁金泰教授团队联合冯建峰/程炜团队完成的，发表在神经病学权威期刊《Stroke & Vascular Neurology》，是“大规模队列数据+ 机器学习预测模型”的经典范式。

在预防医学领域，传统的风险评估量表（如PCEs）虽然常用，但在面对现代复杂多变的生活方式时，其预测精度往往显得力不从心。该研究利用机器学习算法深度挖掘了全球顶级数据库 UK Biobank，为心血管疾病（CVD）构建了更高精度的预测模型。

【核心科学问题】传统量表的“局限”与机器学习的“赋能”

心血管疾病（CVD）是全球死亡的首要原因。然而现有的预测模型（如PCEs模型）主要依赖年龄、性别、血压等传统指标。但在大数据时代，饮食、睡眠、心理状态、生化指标等海量信息是否能提供更早、更准的预警。机器学习（ML）能否在 10 年的长跨度预测中，超越传统统计模型，发现新的关键危险因素？

【核心目标】用数据驱动的机器学习方法，从海量健康变量中筛选关键预测因子，构建更精准、更易落地的10年CVD风险预测模型，同时解决“模型黑箱”问题，让临床医生看懂、能用。

【数据】：规模与质量双在线，代表性拉满

• 数据源：UK Biobank前瞻性队列（全球最权威的人群队列之一）；

• 样本量：473,611名基线无 CVD 的参与者（37-73 岁），94%为白人；

• 随访时间：中位12.2 年（最长 15 年），最终31,466人发生CVD（含心梗、缺血性卒中、出血性卒中）；

• 候选变量：645个健康相关指标，涵盖生物检测、生活方式、病史、社会人口学等10大类，避免变量遗漏。

【核心技术】：选对模型+ 做好验证，兼顾性能与可靠性

• 建模算法：轻量级梯度提升机（LGBM）—— 相比传统回归，能自动处理缺失值、捕捉非线性关系，且运算高效，适配大规模数据；

• 验证方法：留一中心交叉验证（将22 个招募中心拆分为 20 个子集，轮流验证）——避免过拟合，确保模型在不同地区人群中通用；

• 模型解释：SHAP（SHapley Additive exPlanations）—— 破解机器学习 “黑箱”，可视化每个变量对预测结果的影响；

• 对比基准：与4个主流模型（QRISK3、SCORE2、AHA/ASCVD、FGCRS）直接 PK，凸显优势。

【核心优势】：

• 大样本的力量：利用UK Biobank这种世界级的大规模前瞻性队列，结论具备极高的统计学效力。

• 可解释性机器学习：文章没有停留在“黑箱模型”上，而是通过 SHAP 解释图清晰地展示了每个危险因素对风险的贡献度。

• 临床转化导向：研究者最终将复杂的ML模型精炼为25个易于获取的变量，为未来开发简易的临床风险预测工具提供了直接依据。

• 因果推断的严谨性：通过长期随访和灵敏度分析，排除了反向因果的干扰，结论扎实。

【复盘与启示】：

1) 变量筛选套路：面对海量变量时，用“机器学习排序+ 聚类去冗余 + 序贯选择”，既保证全面性，又避免冗余，比单纯凭经验筛选更科学；

2) 模型验证套路：不仅要做内部交叉验证，还要与领域内主流模型直接对比，同时做亚组分析，让结果更有说服力；

3) 临床落地套路：研究不止于“发论文”，还开发工具（网页 / APP）、明确临床应用场景（如高危人群筛查、预防干预指导），提升研究的转化价值。

在流行病学与真实世界研究（RWS）解决方案中，我们不仅提供 UK Biobank、NHANES 等顶级数据库的定制化挖掘，更深耕机器学习模型构建、SHAP解释、外部验证等技术环节。如果您也想利用手头的人群队列产出高分论文，或者希望在公共数据库中挖掘出新的预测因子，欢迎联系我们。我们为您提供从数据清洗到模型发表的全流程学术支持！

文章示例二：真实世界研究与因果推断

推荐方向：真实世界临床实践中的药物有效性与安全性评价。

这篇文章是“真实世界研究（RWS）+ 因果推断”的巅峰之作，发表在《Cell》上的研究。斯坦福大学团队巧妙利用“自然实验”设计，解决了观察性研究中难以克服的混杂因素问题，为带状疱疹疫苗与认知障碍的关系提供了最强循证证据。

【核心科学问题】：是“相关性”还是“因果性”？

痴呆症（Dementia）目前尚无特效药。此前的观察性研究发现，接种带状疱疹疫苗的人群痴呆发病率较低。这种发现面临严重的混杂偏倚（Confounding）。比如，接种疫苗的人可能受教育程度更高、更富有、生活习惯更好。这些因素本身就会降低痴呆风险。这种疫苗是否真的对痴呆的发生、进展及相关死亡具有因果保护作用？

【核心目标】：明确带状疱疹疫苗在痴呆疾病全程的作用——既预防无认知障碍人群发展为 MCI，又降低已确诊痴呆患者的痴呆相关死亡风险，为痴呆的低成本干预提供高等级证据。

【数据来源】：多源整合+ 大样本 + 长随访，真实世界数据的 “黄金标准”

1) 数据源：威尔士SAIL 数据库（整合 80% 初级医疗电子病历、医院住院数据、死亡证明、人口统计学数据等多源真实世界数据）；

2) 研究队列（双队列设计，覆盖病程两端）：

• 队列1（无认知障碍组）：282,557名基线无认知障碍者，随访9年，观察“新诊断 MCI” 结局；

• 队列2（痴呆组）：14,350名基线已确诊痴呆者，随访9年，观察“痴呆相关死亡” 结局；

3) 关键变量：疫苗接种状态（基于疫苗接种记录）、结局指标（MCI诊断代码、死亡证明中“痴呆”作为根本死因）、协变量（年龄、性别、deprivation指数、基础疾病等）。

【核心技术】回归断点设计（RDD）—— 真实世界研究的 “因果推断利器”

• 利用威尔士带状疱疹疫苗接种政策的“生日eligibility阈值”——1933年9月2日后出生者80岁时可接种，之前出生者终身不可接种。两组仅生日差几周，其他特征（健康意识、基础疾病等）高度相似，相当于“自然随机分组”；

• 分析方法：两阶段最小二乘回归（解决“eligible 但未接种”的依从性问题）、局部线性/二次回归（优化阈值附近的拟合）；

• 验证方法：基线平衡检验、阴性对照（疫苗对其他死因无影响）、亚组分析（性别、痴呆类型）、带宽敏感性分析（确保结果稳健）。

【方法学要点】

【核心方法解决的难点与新发现】

1. 解决的核心难点：真实世界研究的 “混杂魔咒”

• 传统观察性研究的痛点：接种带状疱疹疫苗的人可能更关注健康（健康接种者偏倚），难以区分是疫苗有效还是健康行为有效；

• RDD 的解决方案：通过“生日只差几周” 的准随机分组，两组人群的健康意识、社会经济 status 等混杂因素高度均衡，接种状态的差异仅由 “政策资格” 决定，完美剥离混杂，因果推断更可靠。

2. 颠覆性新发现

• 全程保护：疫苗不仅能降低无认知障碍人群的MCI新诊断风险（接种后9年风险下降 3.1个百分点），还能减少已确诊痴呆患者的痴呆相关死亡风险（下降29.5个百分点）；

• 无类型局限：探索性分析显示，疫苗效应不依赖特定痴呆类型，阿尔茨海默病、血管性痴呆患者均受益；

• 机制提示：支持“神经炎症驱动痴呆进展”假说——疫苗通过抑制带状疱疹病毒再激活，减少神经炎症，进而延缓认知衰退和死亡。

【高分思路】——为何是Cell

1) 设计精妙（Natural Experiment）：传统的PSM（倾向评分匹配）已经很难发顶刊了，本文采用了因果推断中的高级手段——断点回归。这在医学顶刊中被认为是最接近随机对照试验（RCT）的证据。

2) 解决重大民生问题：痴呆症是全球性挑战，利用现有疫苗实现“老药新用”，其公共卫生价值不可估量。

3) 多维度证据三角测量（Triangulation）：研究者不仅仅用了一种方法，而是结合了RDD、DiD以及多重敏感性分析，确保结论坚不可摧。

4) 逻辑的降维打击：相比于在分子层面纠结，本文直接从人群规律切入，揭露了一个极其宏大且可验证的因果事实。

【学习价值】：

1. 因果推断：用“政策阈值”做自然实验：当研究“暴露（如疫苗、药物）→ 结局”时，若存在政策实施的“阈值”（如生日、地域、时间），可采用RDD设计，快速提升因果证据等级，比传统多因素回归更易发顶刊。

2. 真实世界数据使用套路：多源整合 + 标准化结局：单一数据源（如电子病历）信息有限，联动死亡证明、医保数据等，能更精准定义暴露和结局；用标准化编码（如ICD-10、Read 编码）定义疾病和结局，避免主观判断偏倚，提升结果可比性。

3. 稳健性验证套路：“层层加码” 让结论站得住脚：不仅做基础分析，还要做敏感性分析（如改变模型参数、排除异常值）、阴性对照（如暴露对无关结局无影响）、亚组分析，让审稿人找不到“漏洞”。

文章示例三：人群队列研究：长期暴露与疾病风险

推荐方向：明确的暴露指标与结局之间的定量关系。

该文章2025年发表于《Human Reproduction》的重磅队列研究——它用24万+超重/肥胖女性的真实世界数据，首次明确了减重对普通人群（而非仅多囊卵巢综合征或fertility 治疗人群）生殖结局的影响，既填补了临床证据空白，也为真实世界队列研究的设计提供了可复刻模板。

【核心科学问题】普通超重/肥胖女性，减重真的能改善生殖结局吗？

超重/肥胖是女性生殖健康的重要风险因素，但现有研究存在明显局限：

• 聚焦特定人群：多针对多囊卵巢综合征（PCOS）患者或接受fertility治疗的女性，缺乏对普通超重/肥胖女性（无论是否计划怀孕、有无PCOS）的研究；

• 结局不全面：多关注“能否怀孕”，对妊娠并发症（如妊娠期糖尿病）、分娩结局（如急诊剖宫产）的影响证据不足；

• 减重幅度不明确：不同减重比例对生殖结局的影响缺乏量化数据。

这篇研究的核心目标：明确10-25%减重（vs体重稳定）对普通超重/肥胖女性（BMI≥25 kg/m2）的怀孕几率、妊娠并发症及后代结局的影响，为临床减重指导和公共卫生干预提供普适性证据。

【数据与技术】大样本+ 多源整合

• 数据源：英国临床实践研究数据链（CPRD Aurum）电子病历数据库，链接医院住院统计数据（HES）、社会经济剥夺指数数据；

• 研究队列：246,670名18-40岁超重/肥胖女性，分为两组——体重稳定组（195,666 人，体重变化<3%）、减重组（51,004 人，减重10-25%，中位减重14%）；

• 随访周期：2年基线期（记录体重变化）+3年随访期（观察生殖结局）；

• 核心变量：暴露（体重变化幅度）、结局（首次怀孕、妊娠期糖尿病、急诊剖宫产等8 项指标）、协变量（年龄、基线 BMI、并发症、吸烟状态、社会经济 status 等）。

• 队列设计：回顾性队列研究，遵循STROBE 报告规范，确保研究透明性；

• 统计分析：主要结局（怀孕几率）：Cox比例风险模型，验证比例风险假设，纳入交互项（如基线BMI与减重的交互）；次要结局（妊娠并发症/分娩结局）：logistic回归模型，根据模型拟合度添加BMI/年龄的二次项；

• 质量控制：缺失数据按“未知”分类，不插补减少偏倚；通过分层分析、交互项检验提升结果稳健性。

【核心分析方法】：难点：真实世界数据存在严重的时间偏倚（如Immortal Time Bias）和混杂因素。

1) 暴露时间窗口设计（Landmark Analysis）：研究者巧妙设置了1年的“观察期”用来确定体重变化，随后的时间作为“随访期”观察妊娠结局。这种设计有效避免了“因果倒置”。

2) 多因素Cox回归模型： 严格校正了年龄、基线BMI、吸烟史、社会经济地位、合并症（如 PCOS）以及共服药物等混杂因素。

3) 核心发现：10%-25% 是黄金阈值：相比体重稳定者，减重10%-25%的女性怀孕几率显著提升（校正后HR = 1.13）。肥胖程度的影响： 对于BMI≥35的重度肥胖女性，这种减重带来的获益更为显著。

     4）适度原则：减重超过25%的数据量较少，且获益并未进一步呈线性增加，提示临床应追求可持续的适度减重。

【学习价值与启示】 

• 极高质量的数据：CPRD数据库的权威性保证了结论的外推性。4万人的样本量在生殖流行病学领域极具震撼力。

• 严谨的因果链条构建：研究不仅看了怀孕，还区分了减重后到怀孕的时间间隔，通过复杂的统计学清洗，排除了“因为生病导致的消瘦”等干扰因素。

• 药企与学术的完美结合：作为诺和诺德的研究，通过RWE侧面证明了减重干预的临床价值，这在当前强调“临床转化”的学术背景下非常吃香。

【研究价值（套路总结）】

Step 1：确定一个“剂量-反应”问题。 比如：某种药物剂量、某种生活方式改变（步数、减重比、睡眠时长）与临床结局的关系。

Step 2：利用大型公共/临床数据库。 如英国CPRD、美国 NHANES 或国内的大型多中心电子病历库。

Step 3：设置合理的 Landmark 时间点。 将观察期与随访期分开，确保先有“暴露（减重）”后有“结局（怀孕）”。

Step 4：分层分析。 针对不同基线水平（如不同BMI 等级）进行亚组分析，挖掘出最受益的特定人群。

以真实世界证据为桥，让研究落地临床与公共卫生实践

从破解“疫苗与痴呆”因果关联的回归断点设计，到解锁“减重与生殖结局”的大样本队列分析，再到心血管疾病风险预测的机器学习建模，我们不难发现，现代流行病学与真实世界研究（RWS）早已超越了简单的“相关性描述”，正在向更深、更准、更科学的维度进化——流行病学与真实世界研究的核心价值：不依赖理想试验条件，以大规模真实数据为基础，精准回答临床痛点与公共卫生关键问题。它既突破了传统研究的人群局限、偏倚干扰，又能直接对接临床决策（如疫苗接种指导、减重临床建议）与政策制定（如疾病防控、公共卫生干预），成为连接基础研究与实际应用的关键桥梁。

而这，正是我们流行病学与真实世界研究解决方案的核心优势所在：以“疾病风险预测与公共卫生决策支持” 为定位，聚焦疾病流行趋势分析、风险因素识别、真实世界数据（RWD/RWS）挖掘、政策干预效果评估四大核心方向，用科学严谨的方法学，把海量真实数据转化为可落地的证据。

针对不同研究需求，我们能提供全链条定制化服务：

• 顶级公共数据库挖掘： 深度覆盖UK Biobank、NHANES、CPRD、GBD、SEER等全球主流数据库。无论是想做大样本风险预测，还是跨年度趋势分析，我们都能提供从数据清洗到发表的一站式支持。

• 高阶因果推断建模：拒绝低效的相关分析。我们提供断点回归(RDD)、倾向评分匹配 (PSM)、目标试验模拟 (Target Trial Emulation) 及因果中介分析，让RWS证据等级媲美随机对照试验（RCT）。

• 机器学习与AI预警模型：利用XGBoost、LightGBM、随机森林等算法，构建高精度的疾病风险预测评分系统，并配合SHAP/LIME解释技术，让模型兼具“性能”与“科学说服力”。

• 多源异构数据整合：我们具备处理电子病历（EMR）、随访数据、监测数据及可穿戴设备数据的实战经验，支持开展定制化的多中心回顾性/前瞻性队列研究。

• 顶刊级统计与可视化：产出符合The Lancet、JAMA、Cell等顶刊审稿要求的规范化统计结果与精美动态图表。

【即刻咨询，解锁科研潜力】如果您也希望：

• 挖掘现有的临床队列数据，冲击高分SCI？

• 利用UKB/NHANES等公开库快速发表高质量成果？

• 学习最新的因果推断方法学，提升课题申请竞争力？

• ... ...

  
  

欢迎在后台留言咨询，或扫描下方二维码。我们将为您提供专业方案可行性评估，助您的科研成果在真实世界中绽放光芒。

敬请注意：本文仅节选原文的一部分，内容可能不完整或与原文存在偏差，若需更完整的信息请参阅原文。