如果研究的目標是提供有關醫(yī)療或衛(wèi)生政策干預效果的證據(jù)，那么研究問題最好明確地以因果關系的方式進行界定，在隨訪期間，針對特定目標人群，比較兩種或更多明確定義的替代方案與明確定義的感興趣的結果。

在陳述了因果問題之后，一個人可以指定一個量，如果知道的話，可以作為問題的答案;這個量是因果估計(例如，興趣的因果效應)。因果估計的精確規(guī)范需要描述感興趣的人群、要比較的干預措施或策略、結果定義的細節(jié)和確定結果的時間，以及效果測量的選擇(例如，風險差異、相對風險)。因果估計可以使用數(shù)學因果模型(例如，密切相關的反事實、潛在結果或結構模型)正式指定。在許多情況下，說明書可以通過描述(假設的)目標試驗來幫助解決研究問題。

收集新數(shù)據(jù)或使用現(xiàn)有數(shù)據(jù)的方法——包括在數(shù)據(jù)源中進行選擇、對個體及其隨訪經(jīng)驗進行抽樣、收集隨時間推移的治療協(xié)變量和結果信息——決定了數(shù)據(jù)是否可用于回答因果問題。例如，在比較不同治療策略的隊列研究中，隨訪開始時間(時間0)的選擇以及該時間與確定合格性的時間的一致性可以影響觀察性分析的有效性。更廣泛地說，研究設計的關鍵目標是使因果假設更可信，并促進對因果估計的學習。

從觀察性研究中得出因果推論需要因果假設，這允許研究者通過使用數(shù)據(jù)來了解因果估計。例如，許多觀察性研究需要一個假設，即考慮到已經(jīng)測量和解釋的變量(通過研究設計或分析)，仍然沒有不受控制的混淆。其他方法，如工具變量分析、差中差分析或回歸不連續(xù)分析，需要不同的假設集。通常，因果假設是不可檢驗的，因為它們不能僅憑數(shù)據(jù)進行充分評估;相反，他們必須在背景知識的基礎上進行審查(例如，治療選擇過程的臨床知識)。

使用研究設計和因果假設，研究者可以確定觀察數(shù)據(jù)的分析如何能夠，至少在原則上(例如，假設，所有因果假設成立，抽樣變異性缺失)，提供因果估計的信息。對觀察到的數(shù)據(jù)原則上是否可以用來了解因果估計的正式檢驗被稱為識別分析。在某些情況下，這些假設僅足以在因果估計周圍設置界限。45,177-179大多數(shù)旨在利用觀測數(shù)據(jù)估計因果估計的研究依賴于眾所周知的識別策略(即先前識別分析的結果)180,181，并對數(shù)據(jù)應用統(tǒng)計方法進行估計和統(tǒng)計推斷。我們在eText中對因果估計、識別分析以及數(shù)據(jù)和統(tǒng)計方法的使用之間的關系進行了更詳細的描述;eFigure 1、eFigure 2、eFigure 3;以及附錄中的例1和例2。

觀察性研究的統(tǒng)計方法應具有良好的統(tǒng)計性能(例如，可接受的低偏倚，高精度)，并支持對不確定性的有效量化(例如，產(chǎn)生有效的ci)。在非實驗研究中，使用數(shù)據(jù)和模型進行統(tǒng)計推斷的挑戰(zhàn)，如果有的話，是更加突出的此外，與缺失數(shù)據(jù)和測量誤差相關的問題經(jīng)常出現(xiàn)在觀察性研究中，需要對缺失或測量誤差的結構進行額外的假設(通常不能單獨使用數(shù)據(jù)進行測試)，需要額外的數(shù)據(jù)(例如，驗證研究)，需要專門的方法來解決這些問題并適當?shù)亓炕淮_定性。

用因果解釋來評價觀察分析結果的適當性，通常需要一些不可檢驗的假設。因此，確定這種解釋是否站得住腳，需要根據(jù)背景知識和對研究背景的理解，以及多種證據(jù)來源，進行主觀判斷。這些判斷可以通過對不同分析的結果進行三角測量(例如，使用不同的假設或其他數(shù)據(jù)源);在可能的情況下，試圖用數(shù)據(jù)證偽因果假設(例如，負控制分析);以及定量偏倚/敏感性分析等方法來檢驗假設是否違反。

Dahabreh IJ, Bibbins-Domingo K. Causal Inference About the Effects of Interventions From Observational Studies in Medical Journals. JAMA. 2024 Jun 4;331(21):1845-1853. doi: 10.1001/jama.2024.7741. PMID: 38722735.