_(9759336143).jpg){kind=link}
- 发布
- 更新
大型登记系统未必为每个科学问题提供适用数据。考虑受试者数量之前，应评估人群、暴露、结局和基线信息，能否以足够细节和可靠时间与拟议问题联系起来。
明确问题与假设
将所需概念映射到真正可观察的字段。字段存在，并不证明记录完整或准确。检查登记目的、入组路径、更新频率和失访。针对预期问题的适用性是一项科学判断，不等同于数据许可，也不同于笼统声明登记数据质量高。
假设性研究示例
在一个假设的疾病登记系统中，诊断信息详细，但治疗开始日期不完整。团队不会仅因为规模大，就选择它用于有效性比较。它考虑收窄问题、关联另一来源或选择其他设计，而不是凭空赋予缺失时间信息以确定性。
设计审查核查要点
- 将问题的每个组成部分与数据字段及支持性质量证据关联。
- 检查入组和随访流程是否产生经过选择的人群。
- 记录关键信息缺失所导致的决定和研究局限。
记录决策及其局限
经认可的报告应同时展示优势和缺口。若拟关联数据，应分别评估授权、匹配质量和覆盖范围。曾成功用于其他目的，并不证明它适合当前问题。在拟议研究开始前，应明确该来源能够支持哪些结论，以及无法回答哪些问题。
常见问题
- 受试者数量能证明适用性吗？
- 不能。大样本不能替代缺失的关键定义和日期。
- 一般质量证书就足够了吗？
- 仍需针对具体问题评估变量和流程的适用性。