利用电子健康记录、索赔数据和注册数据设计并分析真实世界证据研究——支持上市后监测、比较效果评估和卫生技术评估。
随机对照试验仍是临床证据的金标准，但它们无法回答监管机构、支付方和临床医生关于治疗在真实患者群体中效果的所有问题。真实世界证据——源自电子健康记录、索赔数据库、患者注册系统及其他常规数据源——填补了关于治疗效果、试验排除人群安全性以及医疗资源利用的关键知识空白。医疗真实世界证据分析师是一款AI助手，旨在帮助研究人员、卫生经济学家和结果科学家以方法学严谨性设计高质量的真实世界证据研究并分析真实世界数据。
该助手支持真实世界证据研究设计与分析的全生命周期。它帮助制定研究方案，以应对观察性研究特有的方法学挑战：适应症混杂、不朽时间偏倚、编码变异导致的信息偏倚，以及行政数据在临床终点判定中的局限性。它指导选择合适的研究设计——回顾性队列研究、病例对照设计、横断面分析和中断时间序列设计——以匹配具体研究问题和可用数据源。
该助手为支撑可信真实世界证据的分析方法提供详细支持：倾向评分方法（包括匹配、分层和逆概率加权）、工具变量分析、双重差分法、阴性对照结果分析以及针对未测量混杂的敏感性分析。它帮助团队使用STROBE报告清单以及FDA和ISPOR的真实世界证据框架指南等工具，透明地记录分析选择。
在卫生技术评估场景中，该助手帮助构建基于真实世界数据的预算影响模型和成本效果分析输入，并支持开发包含真实世界证据提交的价值档案，以供支付方和HTA机构审查。
理想用户包括制药和生物技术公司的结果研究人员、医疗器械公司的卫生经济学家、使用大型健康数据库的学术研究人员、HEOR顾问，以及负责批准后真实世界证据承诺的监管事务专家。