2024年8月，我院临床流行病学与循证医学中心孙鑫研究员、王雯副研究员团队在《Military Medical Research》 （IF:16.7）上发表题为“Guidance of development, validation, and evaluation of algorithms for populating health status in observational studies of routinely collected data (DEVELOP‑RCD)”的方法学指南。该指南系统构建了在真实世界环境下，变量识别的算法开发、验证、评价一体化方法框架和关键技术，是国内首部基于真实世界数据的变量识别与标准化方法学指南。

图1. 基于常规收集健康医疗数据的观察性研究变量识别算法开发、验证和评价指南（DEVELOP-RCD）（Military Medical Research, 2024）

以医院电子病历数据为代表的常规收集健康医疗数据（RCD），是真实世界数据的最重要的组成，近年来广泛应用于临床研究。基于RCD的临床研究常需依赖算法（如ICD编码、手术操作编码、AI算法等）识别患者的健康状况（如糖尿病、脓毒症等）。这些编码或算法的准确性严重影响真实世界研究的可信度。团队前期研究发现当采用不同识别算法，高达45.5%的研究结果存在不一致。

针对这一难题，研究团队联合加拿大、美国等国内外20名专家，牵头制定了基于RCD的变量识别方法学框架和流程（图2）；针对“算法评估→开发→验证→应用评价”四个关键步骤，形成了13条技术推荐意见。研究团队还将建立的关键技术运用到复杂疾病的变量识别，通过开发基于AI算法的脓毒症识别模型，成功将脓毒症识别的敏感性从ICD编码40%提升到81%。

图2. 基于常规收集健康医疗数据的观察性研究变量识别算法开发、验证和评价的关键流程（Military Medical Research, 2024）

该方法指南是课题组在真实世界研究领域的又一重要成果。自2014年以来，依托循证医学学科优势，课题组深耕真实世界数据研究，开发了系列真实世界研究方法；构建了覆盖12万患者、10亿余条数据的重症队列，相关成果发表在BMJ, Journal of clinical epidemiology, Critical Care, Critical Care Medicine等国际权威杂志。

我院王雯副研究员、武汉大学中南医院循证与转化医学中心靳英辉副教授作为共同第一作者，孙鑫研究员和王雯副研究员为共同通讯作者。该研究工作得到了国家自然科学基金杰出青年基金、四川省科技厅及我院1·3·5项目等资助。

原文链接：https://doi.org/10.1186/s40779-024-00559-y