医生手中的数据怎样转化为论文⑭ | 横断面、病例对照、队列研究，医生该怎么选？

首先得明确问题

横断面、病例对照、队列研究——它们并非能直接得出结果的“统计按钮”。

它们是三种完全不同的提问方式：一个问“当前状况怎样”，一个问“结局已经发生，之前接触了什么”，一个问“从现在往后看，结局会不会出现”。

所以，医生真正要先确定的，不是 Excel 表格里有多少列数据，而是自己到底想回答哪类临床问题。

很多医生立项时，一开口就问：

“我这批住院病历能开展队列研究吗？”
“没有随访数据，是不是只能做横断面研究？”
“病例对照研究是不是比队列研究差？”

这些问题看似在讨论研究类型，其实顺序完全错了。

正确的顺序应该是：先把研究问题阐述清楚 → 再判断时间顺序和结局获取方式 → 最后给研究设计命名。

换句话说——研究设计不是由“数据的样子”决定的，而是由“你想问的问题”决定的。

同一个科室数据库，问题不同，它可以是横断面研究，可以是病例对照研究，也能整理成回顾性队列研究。数据没变，变的是你看待它的角度。

（插图说明：研究类型选择决策树——先判断研究问题，再匹配设计类型）

一、先看一个真实的临床场景：同一张表格，怎么能衍生出三种设计？

假设呼吸科整理了一份资料：700 例慢阻肺急性加重住院患者，字段有——

年龄、吸烟史、合并症、入院血常规、白蛋白、NLR、治疗方式、住院天数，以及部分患者出院后 90 天是否再入院。

很多人看到这张表格，第一反应就是：“这是横断面研究？病例对照研究？还是队列研究？”

这个问题本身就问错了。

因为这张表格只是“数据载体”，不是“研究设计”。真正该问的是：你打算用它回答什么问题？

要是你的问题是关于“现况”——

“慢阻肺急性加重住院患者中，营养风险的比例是多少？不同年龄层的炎症指标分布有什么差异？”

这类问题关注的是同一时间窗口内人群的特征和指标分布。不涉及随访，不涉及因果关系，就像“拍一张照片”。

这就是横断面研究。

要是你的问题是“从结局回溯暴露”——

“90 天再入院的患者，入院时是不是更容易出现高 NLR、低白蛋白或者多种合并症？”

你先根据“是否再入院”把人群分成两组，然后回顾入院时的指标差异。

这就是病例对照研究。

要是你的问题是“沿着时间线观察结局”——

“入院时高 NLR，会不会增加 90 天再入院的风险？”

只要你能确定入院为起点，暴露在前、再入院在后，并且明确随访窗口——

这就可以按照回顾性队列研究的思路来操作。

（插图说明：同一份科室数据，因为研究问题不同，能形成三种截然不同的设计）

二、横断面研究：适合回答“当前状况怎样”

横断面研究的核心，是在某一个时间点或时间窗口内，同时观察研究对象的暴露、指标和结局状态。

它最适合回答的问题包括：现况、比例、分布、相关性。

比如：患病率是多少？营养风险比例有多高？某指标异常率是多少？指南推荐用药的达标率如何？

对于医生来说，横断面研究最常见的误区，就是把所有“没有随访”的数据都称为横断面研究。

实际上，横断面研究的关键不是“是否有随访”，而是你的问题本身是否只需要描述一个截面。要是你想回答的是“这个人群中某种状态的数量以及和哪些因素同时出现”，横断面研究就比较合适。

但它的局限性也很明显：横断面研究通常很难证明“暴露发生在结局之前”。

所以，当你的文章想表达“某指标导致某结局”时，仅凭横断面研究的数据往往站不住脚。更稳妥的表述是：

“与……相关”“伴随……出现”“与……有关”
“预测”“增加风险”“导致”

仅仅一个字的差别，审稿人的态度可能就会大不一样。

三、病例对照研究：从“已发生的结局”逆向探寻危险因素线索

病例对照研究的逻辑是逆向的：先观察结局，再回溯原因。

先确定病例组和对照组，再比较两组在既往暴露或指标上的差异。

它特别适用于三种情况：

结局比较罕见（比如某种罕见术后并发症）
潜伏期较长（比如肿瘤的远期转移）
等待结局发生的成本过高（比如需要随访 5 年才能观察到足够多的事件）

以临床中最常见的例子来说：

某种术后并发症的发生率只有 3%。要是从所有手术患者开始随访，可能需要等几年才能积累足够多的事件数。这时，不妨反其道而行之——先挑出已经发生并发症的患者作为病例，再从同一批手术患者中选未发生并发症的作为对照，回顾术前指标、基础疾病、手术因素或者用药暴露。

病例对照研究的重点，不是简单地把“有结局”和“无结局”两组数据纳入回归模型。

它的关键在于：你必须说明病例和对照来自同一基础人群。

对照不是随便选的“健康体检人群”，而应该是“如果他们也发生了结局，原本也有机会成为病例的那群人”。否则，研究很容易出现选择偏倚，审稿人一眼就能看出来。

实操提醒：要是病例来自某医院住院患者，对照最好也来自相同的诊疗路径或者相同的入组来源，而不是随便选一批体检人群。否则，两组之间的差异可能反映的是就诊路径的差异，而不是暴露与结局的真实关联。

四、队列研究：适合回答“之后会不会发生”

队列研究的核心逻辑是：先确定起点和暴露状态，再往后观察结局。

可以是前瞻性队列研究（从现在开始跟踪），也可以是回顾性队列研究（从历史资料中还原）。

回顾性队列研究不是低级的研究方法。关键在于：你的历史资料能不能清楚地还原时间顺序——暴露在前，结局在后，随访窗口明确。

回到前面呼吸科的例子：

表格
角色 具体内容
基线暴露 入院当天的 NLR、白蛋白、肾功能指标
后续结局 90 天再入院、1 年死亡、术后感染等

只要你能确定入组时间、排除入组前已经发生结局的人，并尽量处理好失访和混杂因素——就完全可以按照队列研究的框架来撰写。

队列研究更适合估算：发生率、风险比（RR）、风险差、HR（风险比）等指标。

和横断面研究相比，它更注重时间顺序；和病例对照研究相比，它更适合描述风险演变过程。

但代价也更高：样本量要足够大、事件数要足够多、随访要完整、混杂因素要控制好。少了任何一项，审稿人都可能要求你补充。

（插图说明：横断面、病例对照和队列研究的核心差异对比）

五、医生立项时，依据这四个问题选择设计就行

研究类型的选择，不用记那些复杂的概念。真正有用的，是把问题拆成四个判断点——

第一问：我要估算的是“现状”还是“风险”？

表格
想知道的 推荐设计
某类患者中某个状态的常见程度（贫血比例、营养风险、焦虑症状、用药达标率） 横断面研究
某因素是否会增加未来结局的风险 队列研究 / 病例对照研究

第二问：暴露和结局有没有明确的先后顺序？

暴露指标来自结局发生之前（如术前白蛋白 → 术后感染，入院 NLR → 90 天再入院） → 具备队列研究思路的基本条件
暴露和结局在同一时间截面同时测量 → 因果关系的表达要非常谨慎

第三问：结局是否罕见？等待结局的成本是否过高？

要是结局罕见（罕见不良事件、少见并发症、特殊治疗失败），病例对照研究往往更高效——直接从病例入手，节省时间和成本。

但前提是：病例和对照的来源、匹配原则、暴露测量方式，必须提前设计好，不能事后补充。

第四问：我的数据能不能支撑这个研究设计的名称？

这一条最重要，也最容易被忽视。

不要为了让文章显得“高大上”，就把所有研究都硬写成队列研究。

要是你不能确定起点、不能确认暴露先于结局、不能说明随访窗口——硬把它称为“队列研究”，审稿人一看数据结构就会知道名不副实，反而增加被拒稿的风险。

研究设计名称越接近因果和预后，越需要数据结构的支撑。名不副实，比研究设计简单更危险。

（插图说明：研究设计选择前的四个实操问题）

六、把研究问题写成“一行路径图”，比先进行统计重要十倍

一个能实施的临床研究问题，最好写成这样的形式：

目标人群 → 暴露/指标 → 对照或分组 → 结局 → 时间窗口 → 拟采用设计 → 主要分析方法

举例如下：

慢阻肺急性加重住院患者 → 入院 NLR 高低 → 高 NLR 组 vs 非高 NLR 组 → 90 天再入院 → 从入院日起随访 90 天 → 回顾性队列研究 → 多因素 Logistic 回归 / 生存分析

再举一例：

接受某类手术的患者 → 术后感染者 vs 未感染者 → 回顾术前营养状态、糖尿病、手术时长 → 病例对照研究 → 条件/非条件 Logistic 回归

当这条路径写不出来时，通常说明你的问题还没成型。

这时别着急制作基线表、进行差异分析、纳入多因素回归——先回到 PICO/PECO 框架，明确人群、指标、对照、结局和时间窗。路径通了，统计才有意义。

七、最容易陷入的三个误区

表格
常见做法 需要修正的地方
看到有随访变量，就一定写成队列研究 随访变量只是条件之一，还要看能不能确定基线、暴露和结局的先后顺序
把病例对照研究做成简单的两组比较 病例和对照必须来自同一基础人群，并且要说明选择、匹配和暴露测量方法
横断面研究文章写成因果结论 横断面研究用于现况和相关性分析，因果关系的表达要谨慎，避免“导致”“预测”等过度表述

八、风险边界：设计选择正确，并不意味着结论一定可靠

观察性研究无法自动消除混杂偏倚、选择偏倚和信息偏倚。

表格
研究类型 核心风险点
横断面研究 代表性、测量一致性
病例对照研究 病例来源、对照选择、回忆偏倚
队列研究 失访、结局判定、事件数、混杂控制

所以，研究方案中至少要提前明确：

纳入排除标准
变量定义
时间窗口
缺失数据处理
主要结局指标
混杂因素选择原则
敏感性分析思路

STROBE 报告规范也明确强调：观察性研究需要充分说明研究设计、研究对象、变量、偏倚、样本量、统计方法和结果解释的边界。

一句话总结

不是“我有什么数据，所以采用什么设计”
而是“我想回答什么问题，所以把数据整理成能支撑这个问题的设计”

研究问题决定研究设计，数据形式只是实现的条件。

想清楚问题，设计自然正确。设计正确，统计才不会白做。

免责声明以上文章内容均来源于其他网络渠道，仅供欣赏，不代表本站观点，与本站立场无关，仅供学习和参考。如有涉及到您的权益，请来信告知(email:mlunwen@163.com)，我们核实后会立刻删除。