杨克虎
https://baike.baidu.com/item/%E6%9D%A8%E5%85%8B%E8%99%8E/7773144
循证医学（Evidence-Based Medicine, EBM）是现代医学实践的基石，
其核心思想是将最佳的研究证据、医生的专业技能和患者的价值观
与意愿三者结合起来，为患者做出最佳的医疗决策。
它的研究与发展深刻地影响着医疗实践、医学教育和卫生政策。
循证医学的核心要素
最佳研究证据： 主要来源于设计严谨、执行可靠的临床研究，
特别是随机对照试验、系统评价和Meta分析。 医生的专业技能： 医生运用其临床经验、专业知识、判断力，
结合患者的具体情况（疾病状态、风险、诊断可能性、
个体差异等）来理解和应用证据。 患者的价值观和意愿： 尊重患者独特的偏好、关注点、
期望和目标，在决策中充分考虑患者的意愿。
循证医学研究的关键领域与发展
证据的生产与合成：
高质量原始研究： 持续推动随机对照试验（RCT）方法学的进步
（如适应性设计、实用性RCT），提高研究的内部效度（减少偏倚）
和外部效度（提高结果的可推广性）。同时，重视观察性研究
（队列研究、病例对照研究等）在评估长期效果、罕见事件和
真实世界效果中的作用。
系统评价与Meta分析：
这是EBM的核心工具，用于整合所有相关研究证据。
发展重点包括：复杂Meta分析方法（如网络Meta分析）、
个体患者数据Meta分析、对偏倚风险评估工具的完善
（如ROB系列工具）、提高系统评价的报告质量（如PRISMA声明）。 临床实践指南： 基于系统评价证据，结合专家共识和患者偏好
制定的指导性文件。发展重点在于提高指南制定的透明度、
方法学严谨性（如GRADE系统评估证据质量和推荐强度）、更新及时性和实施策略。
证据的传播与获取：
数据库建设： Cochrane Library, PubMed, Embase等数据库是
获取证据的主要来源。发展在于提高检索效率、智能化
（如语义检索）、开放获取运动（让证据更易获得）。 证据总结与预评价： 如UpToDate, Dynamed, BMJ Best Practice等，
将复杂证据转化为临床医生易于理解和应用的要点。
AI辅助的快速证据摘要和更新是趋势。 知识转化： 研究如何更有效地将证据传递给决策者
（医生、患者、政策制定者），克服“证据-实践”的鸿沟。
证据的应用与整合：
临床决策支持系统：
将EBM原则嵌入电子病历系统，在医生诊疗时提供实时的、
基于证据的建议和提醒，是提高依从性的重要手段（如CDSS）。 共享决策： 强调医生与患者共同参与决策过程，
医生提供证据信息，患者表达价值观和偏好。
这是EBM实践的最高境界，需要有效的沟通工具和培训。 个体化医疗/精准医疗： EBM面临如何将群体研究证据应用于
个体患者的挑战。基因组学、生物标志物等发展推动EBM向
更精准的方向演进，要求证据能识别哪些亚组患者最可能受益。
证据的质量评估与方法学创新：
偏倚风险评估：
不断发展更全面、客观的评估工具（如ROB 2.0, ROBINS-I, QUADAS-2等）。 真实世界证据： 利用电子健康记录、医保数据、疾病登记、
可穿戴设备等产生的真实世界数据（RWD）生成真实世界证据（RWE），
用于评估干预措施在常规临床实践中的效果、安全性、经济性，
补充RCT的不足。其方法学（如倾向评分匹配、工具变量法、
靶向试验设计）是当前热点。
大数据与人工智能：
AI在证据检索、系统评价自动化（如文献筛选、数据提取）、
数据挖掘发现新关联、预测模型开发、个性化治疗推荐等方面潜力巨大，
但也带来方法学和伦理的新挑战（如算法透明性、偏倚）。 患者报告结局： 越来越重视将患者感知的健康状况、功能状态、
生活质量等纳入研究证据和评价体系。
特殊领域的循证实践：
中医药循证医学： 探索符合中医药特点的研究方法
（如整群随机、主证候设计）、疗效评价标准（如证候积分）、
证据评价体系，是重要发展方向。 公共卫生与卫生政策： 将EBM原则应用于公共卫生干预和
卫生政策制定，评估成本效果、公平性等。
循证医学面临的挑战与发展方向
证据过载与“垃圾”证据： 海量研究良莠不齐，如何快速、
准确地识别高质量证据是巨大挑战。需要更好的筛选、评价和总结工具。 证据与实践的鸿沟： 即使有高质量证据，如何有效改变
医生行为和医疗系统实践仍是难题。需要加强实施科学的研究。 证据的时效性与更新： 医学知识更新快，
如何确保证据和指南及时更新需要建立更高效的机制。 个体化与群体证据的矛盾： 如何更好地将群体证据应用于
复杂多样的个体患者，是永恒的挑战。需要结合精准医疗、
预测模型和共享决策。 利益冲突与证据扭曲： 商业利益、发表偏倚等可能导致证据被扭曲。
需要更强的透明化要求（如临床试验注册、数据共享）和利益冲突管理。 复杂干预和系统问题： 对于涉及多因素、多层面的复杂干预
（如医疗体系改革）或“棘手问题”，传统的RCT和简单系统评价
可能力不从心，需要发展更复杂的方法论。 AI应用的伦理与方法学： 确保AI工具透明、公正、可解释，
并建立评估AI生成证据质量的标准。
循证医学在临床实践中的应用（举例）
提出问题： 面对一位新诊断的2型糖尿病患者，
医生思考：“除了生活方式干预，哪种降糖药作为一线治疗
在长期心血管安全性方面更好？” 寻找证据： 检索数据库，查找关于二甲双胍、SGLT2抑制剂、
GLP-1受体激动剂等药物心血管结局的高质量RCT和系统评价/Meta分析。 评价证据： 使用ROB工具评估纳入研究的偏倚风险，
使用GRADE系统评估证据质量和推荐强度
（如发现SGLT2i和GLP-1RA在特定心血管高危人群中有明确获益
的证据，质量中等至高）。 应用证据： 结合患者具体情况（年龄、肾功能、
心血管风险水平、经济状况、个人偏好等），并与患者讨论不同选择的利弊。 评估结果： 在选择了某种药物（如SGLT2i）后，
定期监测疗效（血糖、HbA1c）和安全性（特别是心血管相关指标），并根据效果和患者反馈调整方案。
结论
循证医学是一个动态发展的领域。其核心原则——基于最佳证据、
结合专业技能和患者意愿进行决策——始终不变，但实现这一目标
的方法和技术在不断革新。未来，EBM的发展将紧密围绕提高证据
质量与效率（RWE、AI）、促进证据传播与应用（CDSS、知识转化）、
深化个体化实践（精准医疗、预测模型）和应对复杂挑战（实施科学、
复杂干预评估） 展开。它将继续致力于弥合研究与实践的差距，
最终实现更科学、更有效、更以患者为中心的医疗服务。
循证医学的发展不仅是方法学的进步，更是医学文化和理念的持续演进，
强调科学性与人文性的平衡。
转载本文请联系原作者获取授权，同时请注明本文来自许培扬科学网博客。
链接地址：https://wap.sciencenet.cn/blog-280034-1491506.html?mobile=1
收藏
