4. 研究问题到队列定义的操作化

真实世界研究队列构建的第一个工程断点，往往不是数据不够，而是研究问题还停留在“临床上想问什么”，尚未被翻译成“数据库里能算出什么”。PICO框架（Population、Intervention/Exposure、Comparator、Outcome）是临床问题的标准表达方式，但它本身不是队列定义。从PICO到可执行队列，中间需要完成三件事：把每个P、I、C、O映射为可计算表型（computable phenotype），把研究边界固化为纳入排除标准，把时间关系锚定到具体的时间锚点（time anchor）。这三件事共同决定了队列的成员集合、索引日期和随访窗口，也决定了后续偏倚控制与统计分析的可行性。

一、PICO到可计算表型的映射

可计算表型是指用一组可执行的查询逻辑（诊断编码、药品编码、检验值、手术操作、文本规则等）在真实世界数据中识别出目标人群、暴露、对照与结局的操作性定义。PICO中的每个要素通常不是单一编码，而是一个“编码集+逻辑组合+时间条件”的表达式。

以“2型糖尿病患者使用SGLT2抑制剂与DPP-4抑制剂相比，心血管住院风险如何”为例：

• P（目标人群）：2型糖尿病。可计算表型可定义为“至少1次T2DM诊断编码（ICD-10: E11.x）或至少1次HbA1c≥6.5%或至少1次降糖药处方”，并附加年龄≥18岁、连续入组≥365天等条件。
• I（暴露）：SGLT2抑制剂。可计算表型为“首次出现SGLT2i通用名处方/发药记录”，并定义首次日期为暴露起始。
• C（对照）：DPP-4抑制剂。可计算表型为“首次出现DPP-4i处方/发药记录”，且此前无SGLT2i暴露。
• O（结局）：心血管住院。可计算表型为“住院记录中主诊断或次诊断含缺血性心脏病、心力衰竭、卒中相关编码”，并限定住院时长≥1天。

这里的关键工程原则是：每个表型必须可复现、可审计、可版本化。编码集应记录来源（如ICD-10、ATC、LOINC）、版本和生效日期；逻辑组合应明确“且/或/非”关系；时间条件应明确“首次/任意/在窗口内”。否则，同一PICO在不同分析者手中会得到不同队列。

二、纳入排除标准的工程化

纳入排除标准不是PICO的简单重复，而是对研究边界的进一步约束。常见维度包括：年龄、性别、数据可用性（如至少一次随访、至少一次关键检验）、既往病史、合并用药、妊娠状态、预期寿命等。工程化时，每条标准都应写成可执行的布尔条件，并明确其判断时点。

例如，对于上述研究，可设定：

• 纳入：年龄≥18岁；有T2DM表型；有至少一次SGLT2i或DPP-4i处方；入组前连续观察期≥365天。
• 排除：既往有SGLT2i或DPP-4i暴露；有1型糖尿病诊断；有终末期肾病或透析记录；有妊娠记录；数据质量不满足关键变量缺失阈值。

这些条件在SQL或分析代码中通常表现为一系列JOIN与WHERE子句。工程上建议将每条标准独立成模块，输出中间计数（如“满足P的人数”“满足P且满足纳入1的人数”），形成队列筛选漏斗，便于定位异常流失。

三、时间锚点与随访窗口

时间锚点是队列定义的“时间原点”，决定了暴露、结局和协变量的观察窗口。常见锚点包括：首次暴露日期、首次诊断日期、入组日期、索引日期（index date）。在比较效果研究中，通常以首次暴露日期作为索引日期，并要求暴露前有足够的基线期（如365天）用于协变量测量，暴露后有足够的随访期（如≥180天）用于结局观察。

时间锚点一旦确定，所有时间相关变量都应相对它定义：基线期 = [索引日期 - 365天, 索引日期)；随访期 = (索引日期, 索引日期 + 随访结束]；结局事件必须发生在随访期内。若锚点选择不当，会引入 immortal time bias 或时间窗错位。

四、从定义到可执行队列的落地要点

完成上述映射后，建议将队列定义写成一份可执行规格说明，至少包含：目标人群表型、暴露表型、对照表型、结局表型、纳入排除条件、索引日期定义、基线期与随访期长度、数据质量阈值。每条表型应附带编码列表与逻辑伪代码，便于在SQL、SAS、R或Python中实现。

例如，索引日期可定义为：index_date = MIN(首次SGLT2i或DPP-4i处方日期)；基线期条件为index_date - 365天 ≥ 入组日期；随访结束为MIN(死亡日期, 退出日期, index_date + 730天)。这些表达式直接决定队列成员与随访人时。

总之，从PICO到可计算表型、纳入排除标准与时间锚点的转化，本质上是把临床语义逐层翻译为数据语义的过程。每一步都需要明确的对象、可执行的逻辑和可验证的时间条件。只有完成这一转化，队列才具备可复现、可审计、可分析的工程基础。