基于电子健康记录数据的实用性试验统计设计：结果评估不受控制且不规则

实用性试验越来越多地使用来自真实世界数据（如电子健康记录）中的结果，其中在例行护理期间收集评估，而非在固定时间点。因此，这些不受控制的评估可能不规则、稀疏，并受干预影响（干预依赖评估），这可能导致治疗效应估计偏差。我们开发了一个模拟研究，以为具有不受控制评估的试验提供统计方法，这一方法被应用于 MI-CARE 实用性试验。使用模拟仿制的试前队列来模拟资格条件和结果测量，我们估计了评估频率和时间安排，并将这些估计与关于干预效果如何影响评估的假设相结合。我们模拟稀疏和干预依赖评估，并比较单次测量方法与使用所有分数数据的纵向模型。在干预依赖评估下，我们发现，单纯使用最佳分数或在不调整测量时间的情况下使用随机选取的分数会产生显著偏差。调整灵活follow-up时间的模型在不偏差的情况下估计了时间点特定或时间平均治疗效应。模拟结果信息化了 MI-CARE 试验统计方法的选择。在无偏方法中，最具统计功效的是具有指数相关结构的线性混合模型，调整baseline以来时间，并包含随时间变化的干预效应，以估计干预结束时的干预效应。未来的研究可以使用试前数据执行针对试验数据特征的定制化模拟研究，以信息化分析方法的选择。具有不受控制评估的试验应考虑干预依赖评估的潜在问题，并选择合适的方法以避免偏差。