4. 目标试验模拟框架
在真实世界证据（RWE）研究中，最容易被忽视、却最决定成败的一步，不是统计方法，而是把模糊的临床问题翻译成一个可被数据执行的因果问题。目标试验模拟（Target Trial Emulation, TTE）框架正是为此而生：它要求研究者先明确“如果我能做一项随机试验，我会怎么设计”，再把这个理想试验的每个要素逐一映射到观察性数据上。这样做的价值在于，它把混杂控制从“事后补救”前移到“设计阶段”，让分析计划有据可依。
一、目标试验的七个核心要素
一个完整的目标试验方案，需要明确以下要素。它们不是可选项，而是决定后续所有数据处理动作的“设计契约”。
- Eligibility（合格标准）：谁有资格进入试验？包括纳入标准与排除标准，且必须定义每个标准的评估时点（time zero）。
- Treatment（治疗策略）：比较的是哪几种治疗策略？是“起始用药 A vs 起始用药 B”，还是“立即治疗 vs 延迟治疗”？策略必须可被数据识别。
- Assignment（分配方式）：随机试验中由随机化分配；观察性数据中则依赖“条件可交换性”假设，通过调整混杂来模拟随机分配。
- Outcome（结局）：主要结局、次要结局、结局的测量方式与判定窗口。
- Follow-up（随访）：从何时开始、到何时结束、以什么事件终止随访（结局、死亡、失访、研究期结束）。
- Causal contrast（因果对比）：意图治疗效应（ITT）还是符合方案效应（per-protocol）？这决定后续是否需要对依从性做处理。
- Analysis plan（分析计划）：估计目标、混杂调整策略、敏感性分析。
其中，time zero 是最容易被低估的概念。它指的是每个个体“开始符合合格标准并被分配到治疗策略”的那个时点。在随机试验中，入组、随机化、随访起点三者对齐；而在观察性数据中，如果合格标准评估时点、治疗起始时点和随访起点不一致，就会引入永恒时间偏倚（immortal time bias）和时间相关混杂。因此，TTE 的第一条工程纪律就是：让 time zero 对齐。
二、从目标试验到观察性数据的映射
映射的本质，是把试验要素翻译成数据操作。下面以一个具体教学示例说明。假设研究问题是：在 2 型糖尿病新诊断患者中，起始二甲双胍相比起始磺脲类药物，5 年内主要心血管不良事件（MACE）风险如何？
对应的目标试验要素可写为：
- Eligibility：年龄 ≥ 40 岁、新诊断 T2DM、无既往 CVD、eGFR ≥ 30、有至少 12 个月连续参保记录。
- Treatment：起始二甲双胍 vs 起始磺脲类（以首次处方为准）。
- Outcome：MACE 复合终点（心梗、卒中、心血管死亡）。
- Follow-up：从 time zero 起，至结局、死亡、失访或 5 年研究期结束。
- Causal contrast：ITT 为主，per-protocol 作为敏感性分析。
映射到数据时，关键动作包括：用诊断码和药品编码识别合格人群；用首次处方日期定义治疗起始；用同一日期定义 time zero；用结局编码和死亡登记识别结局；用参保记录和就诊记录判断失访。这里有一个常见陷阱：如果先筛选“至少有一次随访记录”再定义 time zero，就会把随访起点后移，导致合格标准与治疗起始错位。正确做法是先固定 time zero，再基于 time zero 之前的信息判断合格性。
注意：合格标准中使用的变量，必须在 time zero 之前或当天可测量。若使用 time zero 之后才出现的信息（如随访期间才查出的 eGFR），会造成“用未来信息筛选过去人群”，破坏因果结构。
三、可视化：目标试验要素到数据字段的映射链
下图展示了从临床问题出发，经过目标试验七要素，最终落到观察性数据具体字段的映射关系。它强调的不是流程顺序，而是要素与数据对象之间的对应结构，以及 time zero 作为对齐锚点的核心地位。
四、映射中的三个工程要点
第一，合格标准必须可操作化。“新诊断 T2DM”不能只写诊断码，还要定义“新诊断”的判定规则，例如首次出现 T2DM 诊断码且此前 365 天内无该诊断、无降糖药处方。这类规则直接决定队列规模与人群代表性，必须在方案中写清。
第二，治疗策略要能区分“起始”与“使用”。观察性数据中，患者可能在 time zero 前已经用过目标药物。若把“曾经使用”误判为“起始使用”，会引入既往用药混杂。因此需要设置洗脱期（washout），例如 time zero 前 180 天内无任何降糖药处方，才能定义为“新起始”。
第三，随访终止规则要预先固定。如果随访终止依赖结局发生后的信息，就会产生信息偏倚。建议在方案中明确：随访终点为 min(首次 MACE 日期, 死亡日期, 参保终止日期 + 宽限期, 研究期结束日期)。所有个体使用同一套规则，避免“因人而异”的随访长度。
实用建议：在正式分析前，先写一份“目标试验方案表”，逐行填写七要素及其数据映射。这份表既是分析计划的骨架，也是与临床专家、数据工程师沟通的共同语言。它能让后续的每一行代码都有明确的因果含义，而不是“先跑跑看”。
五、常见误区与判断依据
TTE 框架下最常见的失败模式有三类。其一是time zero 错位：合格标准评估时点晚于治疗起始，导致“已经活过一段时间”的人被纳入，产生永恒时间偏倚。判断方法是检查每个个体的合格评估日期是否 ≤ 治疗起始日期。其二是结局定义过宽：把疑似诊断也计入 MACE，导致效应估计被稀释。判断方法是做阳性预测值抽样验证，或至少报告不同定义下的敏感性分析。其三是随访截尾不当：把失访当作随机删失，而失访可能与结局相关。判断方法是比较失访者与未失访者的基线特征，必要时采用逆概率删失加权。
把临床问题转化为目标试验，本质上是一次“因果结构审计”。它要求研究者在动手写代码之前，先回答清楚：我要比较什么、在谁身上比较、从哪一刻开始比较、比到什么时候、比什么结局。只有这些要素被明确并映射到数据字段，后续的倾向评分、加权、生存分析才有意义。否则，再精细的统计模型也只是在错误的问题上给出精确的答案。