如何控制观察性疗效比较研究中的混杂因素：（一）已测量混杂因素的统计学分析方法

观察性疗效比较研究作为随机对照研究的补充，其应用价值越来越受到关注，混杂偏倚是其重要偏倚来源。本文介绍观察性疗效比较研究中已测量的混杂因素控制的统计分析方法。对于已测量的混杂因素，可采用传统的分层分析、配对分析、协方差分析或多因素分析，也可采用倾向性评分、疾病风险评分等方法进行混杂因素匹配、分层和调整。良好的设计需从源头控制各种混杂，事后统计分析则应在理解各类方法的应用前提下，严格把握适用条件。  

如何控制观察性疗效比较研究中的混杂因素：（二）未知或未测量混杂因素的统计学分析方法

观察性疗效比较研究作为随机对照研究的证据补充，其应用价值越来越受到关注。未测量混杂因素的统计学分析方法是观察性疗效比较研究中的重大挑战，本文对观察性疗效比较研究中未知或未测量的混杂因素控制的统计分析方法进行述评。未测量混杂因素的统计学方法包括工具变量法、本底事件率比校正法和双重差分模型及其衍生方法。工具变量法模型构造巧妙，但满足条件的工具变量在实际研究中并不易得；本底事件率比校正法和双重差分模型均要求研究数据有干预前信息，有些实际研究中往往无法满足。未测量混杂因素对统计学方法提出了新的要求、新的挑战，有待国内外统计学者的进一步完善和研究。  

如何控制观察性疗效比较研究中的混杂因素：（三）混杂因素控制的敏感性分析方法

观察性疗效比较研究中混杂在所难免，在利用一些统计分析方法对已测量或未测量混杂因素加以控制后，是否消除了混杂的影响不得而知，此时需进行敏感性分析。本文介绍混杂因素处理中的敏感性分析方法。基于不同的研究，敏感性分析思路各不相同，对于已测量混杂因素可采用传统的敏感性分析方法，对于未测量混杂因素目前理论相对系统的方法主要有混杂函数法、边界因子法和倾向性评分校正法，另外Monte Carlo敏感性分析和Bayes敏感性分析也是近年来备受热议的方法。当敏感性分析结果与主要分析结果一致时，无疑提高了研究结论的可靠性。