二、队列研究
（一）定义
队列研究最初用于研究与疾病发病相关的病因或危险因素。将一组受试者按是否接触某一特定因素分为暴露组和非暴露组，比较两组之间该疾病的发生率或结局的差异，以探讨暴露因素与疾病或结局的关系。
20世纪80年代，队列研究开始被用于评价医疗防治措施。暴露指的是具有预防和保健或治疗作用的医疗措施，研究目的也从最初的对疾病发生、发展和死亡的评价转变为对治疗结局的评价。治疗性队列研究是指将特定患者按照是否接受某种（类）治疗措施或不同类型治疗措施分为不同的亚组，然后随访一定时间，比较治疗组与对照组的死亡率或治愈率等结局事件的发生率。
注册研究和数据库研究是近年来中医药疗效研究中的一个新的队列研究，也称为“真实世界研究”。数据库研究，如1996年，在台湾建立的全民健康保险研究资料库（NHIRD），包含门诊、住院病历的中医及西医治疗方案、理疗、牙科服务、处方药、医疗机构等的登记信息，研究人员利用这些数据库资源设计回顾性队列研究，以比较干预的效果。
适用范围：在中医临床研究中，我们可以通过比较不同的队列效应，探讨中医治疗的主要疾病、疾病的预后，以及中医疗效的比较研究（CER）等。
（二）研究设计与方法要点
根据研究结果是否发生在研究开始时，队列研究可分为前瞻性队列研究、回顾性队列研究和双向队列研究。根据暴露因子（干预）与研究结果（干预与研究预期结果之间的时间）之间的诱导期（从给予干预措施到发生预期研究结局之间的时间）的长度和预期研究结果的发生率，选择不同类型的队列研究方法。例如，针灸对某一疾病的疗效评价适合于前瞻性队列研究，因为针灸起效快（诱导期短），疗效明显（研究结果发生率高）；而观察药物的不良反应，因为上市药物不良反应（ADR）的发生率低，可采用回顾性队列研究。
1.前瞻性队列研究
从现在时点开始，观察一定时期，目的是比较两组人群预期结果发生率的差异，以阐明暴露因素（干预措施）与预期结果之间的关系。可以同时进行随访，选择最佳检测方法，及时记录，采用统一的判断标准，使两队列具有良好的可比性。同时，我们还可以观察到其他次要因素对观察对象预期结果的影响。
在前瞻性队列研究中，根据观察人群，可分为同群体队列研究和不同群体队列研究。同群体队列研究中的观察对象无论给予何种暴露因子（干预措施），它们都处于同群体中，就像在同一医院、同一社区收集的观察对象一样。不同群体队列研究是指不同暴露因素（干预措施）的观察人群不在一个群体，但基本条件相似。例如，一些中医医院采用简单的中医干预措施比较容易收集到研究对象，而采用简单的西医干预措施的研究对象却很难收集到。因此，我们也可以根据统一的纳入标准选择同一水平的西医医院，选择西医干预的研究对象作为对照组，并比较两种干预措施的疗效。
2.回顾性队列研究
又称历史性队列研究。研究工作从现在开始，但研究对象是以过去某个时间段的回顾轨迹为起点，进入观察队列，是过去时的起点；研究对象根据当时是否受到干预分组，研究结果在研究开始时已经发生，探讨过去暴露因素（干预措施）与目前预期结果之间的因果关系。这项研究通常基于对过去病历数据的分析，是当前“大数据”时代的研究方法之一。这项研究节省时间、人力和财力，来使用此研究设计用来进行疗效因果推断或观察药物不良反应。
3.双向性队列研究
从过去某个时间点开始到现在，又从现在开始继续进行随访研究，直到将来某个时期为止。这种方法具有观察时间短的优点，可以节约很多时间、人力和财力。
4.病例队列研究
病例对照研究是一种结合队列设计和病例对照研究设计优点的设计方法，也称为巢式病例对照研究。病例队列研究是一种将病例对照研究套于队列研究的设计，基于队列研究确定研究对象，其中队列中的所有病例都作为病例组，然后根据病例的发病时间，在研究队列的非病例中随机匹配一个或多个对照，组成对照组。但研究分析的方法仍与病例对照研究（主要是配比病例对照研究）相同。
这种研究设计特别适用于涉及复杂化学或生化分析的前瞻性研究，是数据库挖掘的方法之一。它只需要收集被选择用于巢式病例对照研究的对象，而不需要收集整个队列的完整数据，从而降低了数据收集的人力和物力成本。第二，随着时间的推移，队列研究可能会增加一些原始设计中没有的暴露或混淆因素，而病例对照研究是解决这个问题的一个好办法。
5.样本量计算
队列研究样本量估计需要考虑两个问题：一是对照组的样本量不应小于暴露组，两组相等时统计效率最高；二是考虑随访率的损失，失访率通常按10%估计，即样本量按计算出的样本量增加10%。样本量与4个因素有关：①非暴露组发病率（P0）；②该因素引起的相对危险度的估计值（RR）；③希望达到的检验水准α，通常取0.05；④检验的把握度（1-β），β通常取0.20或0.10。
（三）研究实施和资料收集
1.确定研究问题
队列研究常用于评价防治措施的效果和因果关系假设。
2.制订研究计划
研究计划应包括明确的研究因素和特点、暴露（干预）的定义、分组和受试者来源、样本的大小和每组的人数比例、调查和分析的方法、内容和时间、可能的偏倚和控制方法、研究人员培训、设备准备及预期结果等。
3.选择研究人群和研究场所
由于队列研究需要大量样本，应在不同的医院或社区等多个研究地点进行观察，并制定相应的纳入和排除标准。基线信息可以通过问卷或访谈、体格检查、中医辨证和实验室检查等方法获得。
4.队列的形成
纳入和排除标准决定受试者是否暴露或接受某种治疗，暴露组（干预组）和非暴露组（对照组或其他治疗组）或不同暴露程度的亚组（如肿瘤受试者接受不同程度的中医药治疗）。
5.测量暴露与结局随访
根据研究计划中确定的结果指标，定期对受试者进行测量和记录。收集的资料主要包括暴露（注意队列迁移的问题）和结果。治疗观察应跟踪登记接受治疗措施的情况和接受治疗措施的程度，登记所研究疾病结果的发生日期和测量日期，登记随访对象的迁移、外出和返回信息。由于跟进时间较长，研究小组应制定措施以提高受试者依从性，包括为研究对象设立绿色就医通道、定期提醒系统、提供宣传及教育手册、减免医疗费用，甚至为受试者提供交通津贴等。
6.队列研究资料收集
队列研究不但要收集与暴露有关的资料，而且还要收集与结局有关的资料。研究方案必须明确规定暴露与否或暴露水平的测量，以及研究结局事件、观察终点和终止时间。暴露或结局事件的测量必须准确和标准化。还应收集可能的混杂因素的数据。
（四）统计分析
固定队列和动态队列的统计分析方法不同。固定队列中的每个个体从研究中指定的同一时间点到研究结束时间进行观察。在控制混杂因素后，定期测量结果指标。比较两组或更多组之间的差异。计量数据采用重复测量方差分析，计数资料采用生存分析。对于动态队列，任何时间点都会有个体退出和/或加入，除了常规的统计分析方法外，还可以采用分次分析和多变量分析等方法对协变量进行控制，如Logistic回归和Cox比例风险模型，它不仅可以控制混杂因素，而且可以探索多暴露因素与研究结果之间的相关性，以及多因素之间的交互作用。当队列研究的样本量较小时，某一暴露组中的人数可能过少，或者基线可能不平衡。当这种情况发生时，研究人员没有更好的方法来弥补，只能通过统计方法纠正基线不平衡，甚至进行配对。队列研究中使用的统计分析方法不同于一般临床试验。除了校正分析外，亚组分析、多元回归分析和倾向指数评分均是常用的统计分析方法。
队列研究中干预措施与效果之间关联的强度通常表示为相对获益。当干预水平不同时，剂量-反应关系可以增加与疗效的相关强度。
（五）注册研究
临床注册研究是近年来国内外医学界和政府部门越来越重视的一种新的临床研究形式。文献报道中也有学者翻译为“登记研究”。它不同于在同质人群中进行的临床试验，其定义是有计划、有组织地使用观察性研究，为人群中特定疾病状态收集统一的临床相关数据，为达到预定的科学、临床和决策目标，对患有特定疾病或接触特定因素的人进行特定结局评估的一种研究形式。设计和实施良好的注册研究可以提供真实世界中有关临床实践、受试者结局、安全性和成本效益的信息，促进证据的开发和应用，并使医疗保健的科学决策成为可能。注册研究是真实世界研究（RWR）中一种重要的研究方法。
注册研究大多基于电子信息系统，在大多数情况下需要多中心和多方合作。它最大的优点是可以在很短的时间内收集到某一领域的相关数据，有时甚至可以将数据整合到全球医疗资源的范围内。这些大数据为医学研究提供有价值的第一手临床数据。因此，注册研究与其他临床研究机构相比具有无可比拟的优势。
注册研究是一种观察性研究方法，可以根据不同的研究目标和内容选择不同的设计方案。它既可用于前瞻性研究，也可用于回顾性研究。然而，最常见的方法是前瞻性队列研究，它比传统的队列研究更灵活。例如，注册研究可以同时为多个研究目的收集数据，收集数据的方法有很多种。
注册研究的设计应首先考虑注册的主要目的。此外，需要考虑的主要因素包括：①明确阐述研究问题，有关的临床问题会直接指导登记的设计，包括暴露与结局的选择，以及目标人群的界定。②根据研究目标及研究问题，选择合适的研究设计类别，例如前瞻性队列研究、病例对照研究及结局研究等。③应界定目标人群、诊断、纳入及排除标准，以及登记人群应尽量接近目标人群的特征，以确保研究对象的代表性。④确定是否需要设立对照组，描述性研究可不设立对照组，以分析性研究为目的的注册研究可根据目的不同选择内对照、外对照和历史性对照。⑤选择有临床意义的，与受试者和医疗决策相关的临床结局。⑥确定数据来源，选择最有效、最可靠的数据采集方法。⑦确定随访时间和样本量，受试者数量及随访时间应与注册的总体目标相一致。
需要注意的是，注册研究毕竟是一项观察性研究，因此会存在观察性研究固有的问题，如已知或未知的混杂因素较多，组间可比性差等。因此，注册研究的结果必须排除各种混杂偏倚的影响，除了在研究设计阶段对注册设计进行审查以评估可能的偏倚来源外，方法学专家在方法学上也进行了许多尝试，如工具变量、倾向性评分和多因素分析模型等。因此，这类研究往往需要方法学和统计专家参与数据的设计和分析。