醫學公共數據庫研究指南
醫學公共數據庫研究怎麼開始
從研究方向取得可複核的資料來源比較表 可請求的產物／交付目標: 候選資料來源比較表、材料檢查清單與收窄後的研究問題。
醫學公共數據庫研究不應從下載數據開始。更穩妥的順序是：先定義研究問題，再核對數據訪問條件、目標人群與時間範圍、變量測量方式、樣本與結局事件、相似研究，最後凍結分析計劃。
只有這些條件能夠相互對應，一個數據庫才真正支持你的題目。“可以公開訪問”也不等於“可以任意使用”，更不等於數據適合回答任何問題。數據庫的抽樣設計、收集目的、納入人群、缺失機制和使用協議，會直接限制結論可以說到什麼程度。
用 RigorMed 交付這項任務
從研究方向取得可複核的資料來源比較表
以下為建議任務輸入與可請求整理產物，不是本輪實跑、客戶成果或保證完成。
已有材料: 具體問題、目標人群、所需變數，以及候選官方資料入口與使用條件。
可請求的產物／交付目標: 候選資料來源比較表、材料檢查清單與收窄後的研究問題。
可直接改寫的任務輸入
只比較可核驗的官方資料來源，列出設計、人群、變數涵蓋範圍、存取與授權條件及不能回答的問題，再提供應先開啟的文件；未知欄位不猜測。
人工核對
公開入口不代表任意使用或產品已接入；受控申請與權限條件單列，不繞過。
先分清：你找到的是哪一類數據
“醫學公共數據庫”經常被當成一個籠統稱呼，但不同資源的訪問方式和研究用途差別很大。
| 類型 | 代表資源 | 可以解決什麼 | 開始前必須核對什麼 |
|---|---|---|---|
| 公共使用調查數據 | NHANES | 美國非機構化人群的健康與營養狀況、檢查和實驗室指標等橫斷面問題 | 調查週期、目標人群、變量文檔、權重、分層、聚類和估計可靠性 |
| 受控臨床數據 | MIMIC-IV | 特定醫療機構的住院、急診或重症監護相關研究 | 資質認證、規定培訓、數據使用協議、版本、來源人群和去標識化限制 |
| 申請後使用的登記數據 | SEER | 癌症發病、生存及人群登記相關問題 | 賬戶與申請條件、數據協議、變量範圍、軟件環境和治療信息限制 |
| 文獻與研究註冊資源 | PubMed、ClinicalTrials.gov | 核對已發表證據和已註冊研究，幫助判斷重復性與知識空白 | 檢索日期、檢索式、記錄標識、研究狀態和結果可用性；它們不是患者級分析數據 |
因此，選庫的第一問不是“哪個數據庫容易發論文”，而是“哪個來源能夠合法、準確地回答我的研究問題”。如果訪問條件、研究設計或變量覆蓋不匹配，數據量再大也不能補上這個缺口。
從研究問題到可執行方案：七步檢查
先把研究問題寫清楚
至少明確研究人群、主要暴露或預測因素、主要結局、時間範圍和研究設計。比如“成年人中的某項指標與某種結局是否相關”，還需要說明目標人群來自哪裡、指標如何測量、結局如何定義，以及準備做橫斷面關聯、隊列結局分析還是預測模型。
不要先看到一個變量，再倒推一個看起來能用的題目。
核對訪問條件和允許用途
把資源分成公共使用、註冊後使用、受控訪問和不可獲得四種狀態。逐項保存官方入口、版本、許可或數據使用協議、申請條件、引用要求和再分發限制。
NHANES 提供公共使用數據文件和詳細文檔；MIMIC-IV 當前要求使用者完成資質認證、規定培訓並簽署數據使用協議；SEER 的研究數據同樣需要提出請求並確認相應協議。名稱中帶有“公開”或“免費”不能代替這一核對。
判斷研究設計是否匹配
同一個變量出現在數據里，不代表它能回答同一種問題。橫斷面調查可以描述患病率或研究同期關聯，但通常不能僅憑一次觀測建立時間先後關係；醫院電子病歷適合研究特定就診人群，卻不能自動代表普通人群。
需要先寫明抽樣框是什麼、誰可能沒有進入數據、觀察從何時開始和結束、暴露與結局的時間順序是否成立，以及結論要推廣到哪一類人群。
逐項建立變量映射
不要只記錄列名。每個核心變量至少應綁定官方定義、數據文件、調查週期或版本、測量方法、單位、編碼、適用人群、跳題邏輯、缺失值含義和允許的派生方式。
跨週期合併時，還要核對問卷措辭、實驗室設備、檢測下限、單位和編碼是否變化。CDC/NCHS 特別提醒，忽略問卷跳題可能導致錯誤的分母；實驗室方法發生變化時，應檢查官方是否提供橋接研究或校正方程。變量同名不是跨週期可比的充分證據。
計算樣本、事件與缺失帶來的限制
總樣本量不是唯一標準。二分類結局要同時看事件數和非事件數；回歸模型要計算預設參數數量，而不是只數變量個數；完整病例分析要估計會排除多少人；複雜抽樣數據還要考慮權重、分層、聚類和設計自由度。
不要用“每個變量十個事件”這樣的單一經驗規則替代完整判斷。模型複雜度、結局發生率、過擬合控制、缺失處理、驗證方式和目標估計量都應在分析前確定。
同時核對已發表研究和研究註冊
使用 PubMed 等文獻庫核對最近似研究，再用 ClinicalTrials.gov 等註冊平台檢查已註冊但可能尚未發表的相關研究。保留檢索式、日期、命中記錄和排除理由，比較人群、暴露、結局、時間、設計和方法，而不是只比較標題。
“沒有搜到完全相同的題目”不能直接寫成創新。它也可能來自檢索式過窄、術語不同、數據庫覆蓋有限，或相關研究尚未發表。
在統計前凍結方案
正式分析前，應固定納入排除標準、主要暴露與結局、協變量依據、主要模型、缺失數據策略、敏感性分析、軟件環境和報告規範。後續任何變化都應記錄原因，並區分預設分析和探索性分析。
對於觀察性研究，可以在方案和寫作階段參考 STROBE；使用常規收集健康數據時，還應判斷 RECORD 等擴展是否適用。報告清單不能替代正確設計，但能提前暴露方法和披露缺口。
為什麼 NHANES 不能當作普通表格
NHANES 同時包含訪談、膳食、體格檢查和實驗室數據，並採用複雜抽樣設計，用於推斷美國非機構化平民人群的健康與營養狀況。分析時需要選擇與目標指標相匹配的調查權重，並把分層和聚類設計變量納入方差估計。
CDC/NCHS 在 2026 年發佈的高質量分析指南中明確指出：不使用權重或把 NHANES 當作便利樣本，通常不適合進行美國總體推斷；忽略聚類設計會高估精度，並可能錯誤判斷組間差異具有統計學意義。指南還要求關注跳題邏輯、實驗室方法橋接和估計可靠性。
這說明“數據能下載”和“研究能成立”是兩件不同的事。NHANES 是很有價值的公共數據來源，但它不會自動提供可靠題目，也不支持脫離設計的因果或縱向結論。
最常見的六個錯誤
- 先下載數據、跑出顯著結果，再補研究問題和協變量依據；
- 只看變量名，不核對問卷原文、測量方法、單位、跳題和適用人群；
- 合併多個週期，卻沒有檢查編碼、檢測方法和權重如何變化；
- 忽略複雜抽樣設計，把結果當作普通獨立同分布樣本；
- 只用總樣本量證明可行，沒有核對事件數、參數預算、缺失和驗證樣本；
- 把檢索未命中寫成“首次發現”，或把觀察性關聯寫成因果關係。
開始前檢查清單
在正式分析前，確認你能回答以下問題：
- 研究問題是否明確到人群、暴露或預測因素、結局、時間和設計？
- 數據是否來自官方入口，版本和獲取日期是否已記錄？
- 使用條件、數據協議、引用要求和再分發限制是否已核對？
- 數據收集目的、抽樣框和目標人群是否支持你的外推範圍？
- 主要變量是否有官方定義、測量方法、單位、編碼和適用人群？
- 跨週期或跨來源變量是否真的可比？
- 樣本、事件、非事件、缺失和預設參數是否支持計劃中的模型？
- 最近似文獻和相關註冊研究是否已經系統核對？
- 主要分析、敏感性分析和報告規範是否在看結果前確定？
- 數據授權、倫理認定或豁免、研究註冊等治理事項是否由責任主體確認？
如果其中任何一項沒有答案，下一步通常不是開始統計，而是補齊來源、變量或方案證據。
常見問題
醫學公共數據庫有哪些？
常見資源包括人群調查數據、疾病登記數據、受控臨床數據、組學數據以及文獻和研究註冊資源。NHANES、SEER、MIMIC-IV、PubMed 和 ClinicalTrials.gov 分別屬於不同類別，訪問條件與可回答問題並不相同。應先按研究問題篩選，不建議只按“熱門數據庫”列名單。
使用公共數據庫更容易發表論文嗎？
不能這樣判斷。數據可獲得只解決了研究材料的一部分，期刊仍會關注問題價值、設計是否適配、方法是否正確、結果是否穩健、報告是否完整以及與既有研究相比新增了什麼。熱門數據庫還可能伴隨大量重復選題和更嚴格的方法審查。
公共數據研究一定不需要倫理審查嗎？
不一定。是否需要倫理審查、豁免或機構認定，取決於數據是否真正公開去標識、使用協議、研究活動、所在機構和司法轄區。研究者應保存官方倫理與同意說明，並由有責任的機構作出判斷，不能由“網上能下載”直接推導。
可以把多個數據庫直接合併嗎？
通常不能。只有在個體能夠被合法且可靠地鏈接，或不同來源在研究設計、變量定義、時間和人群上具備預先確認的兼容關係時，才可能進行行級合併。更多情況下，應分別分析後比較結果，或使用適當的證據綜合方法，不能僅因列名相同就拼接數據。
核驗來源
以下官方來源核驗於 2026-09-06 / RigorMed: 2026-10-13，發布前將再次檢查存取條件與更新時間。
帶著材料開始
從研究方向取得可複核的資料來源比較表
帶著有權使用的材料，依本頁任務範例提交到工作台；按執行前的材料與積分提示確認，再複核可審閱的成果。