《BMC Medical Research Methodology》：Use of quasi-experimental studies to evaluate causal effects of public health interventions in Portugal: a scoping review
编辑推荐：
为破解随机对照试验（RCT）在公共卫生场景下“不可行”难题，葡萄牙团队首次系统梳理25项准实验研究，发现中断时间序列（ITS）与双重差分（DID）为主流，却普遍忽视因果推断核心假设，呼吁方法学培训与报告规范升级。
在公共卫生政策日益“数据驱动”的今天，决策者常面临一个尴尬境地：想要知道一项禁烟令、一次疫苗推广或一场疫情封锁到底有没有真正拯救生命，却因伦理、成本或政治阻力无法开展随机对照试验（RCT）。于是，研究人员转而借助“准实验设计”——这类利用自然或政策产生的外生变异、模拟“仿佛随机”场景的方法，被视为RCT的最佳替代。然而，在葡萄牙，这把“新钥匙”究竟被用得怎样、能否真正打开因果推断之门，一直无人系统盘点。
Leite等人在《BMC Medical Research Methodology》发表的这篇范围综述，正是为了回答“葡萄牙公共卫生领域准实验研究的家底有多厚、质量几何、未来向何处去”。团队循PRISMA-ScR规范，检索PubMed、Scopus、Web of Science、CINAHAL四大库及灰色文献，最终纳入25项研究，时间跨度从1996年干预实施到2022年，论文发表则集中于2014之后，2020年占比高达28%，直观反映COVID-19疫情对方法学需求的“刺激效应”。
研究首先描绘“干预图谱”：医疗保健服务政策（28%）、药品/烟草消费政策（20%）、COVID-19相关限制（20%）三分天下；疫苗、食品、交通收费等散落其余。设计层面，中断时间序列（ITS，56%）与双重差分（DID，44%）形成“双寡头”，合成控制、回归断点等更高级工具尚待零的突破。统计模型以线性回归（48%）为主，负二项（20%）与Logistic（12%）补充；53个结局变量中近半数按连续变量处理，年频率数据占50.9%。敏感性分析却成为“稀缺品”，56%的研究未做任何稳健性检验。
质量评估环节，作者借用“目标试验框架”对每篇论文进行20题“因果推断体检”。结果呈现“两头高、中间低”：干预描述、对照组选择等条目普遍得分，而“仿佛随机”假设的可信度、平均处理效应（ATE）的正式定义、统计分析计划（SAP）预注册等核心环节大面积缺失；没有任何文章公开分析代码，亦未估算“避免事件数”，令结果难以复用。
基于上述发现，作者得出结论——葡萄牙准实验研究数量仍显单薄，方法学“重应用、轻规范”现象突出；ITS与DID虽成主流，却常忽略自相关检验、平行趋势论证等关键细节；疫苗政策、环境干预、癌症筛查等议题尚属“处女地”；全国丰富的电子健康档案（如住院数据库BDMH、初级保健SClinico、疫苗登记VACINAS、处方系统PEM）远未物尽其用。文章呼吁，通过方法学培训、报告指南（如TEDS-CHECKLIST）和公共数据共享，推动准实验设计从“能用”走向“好用”“敢用”“用得对”。
对全球公共卫生方法学圈而言，这份“葡萄牙样本”敲响了共性警钟：当行政大数据唾手可得，若缺乏严谨的因果思维与规范，再漂亮的模型也可能沦为“数字游戏”；而只有把干预问清楚、对照找明白、假设摆桌面、代码晒出来，准实验才能真正成为政策评估的“可靠替身”。
主要关键技术方法
系统范围综述、PRISMA-ScR流程、多数据库联合检索、灰色文献与参考文献挖掘、双人独立筛选与数据提取、目标试验框架质量评估、ITS与DID设计分类、Reeves设计清单、BDMH等行政数据库利用。
研究结果
研究筛选流程
初检1143篇，去重后获985篇，经标题摘要、全文两轮筛选，最终25篇入组，灰色文献贡献2篇，作者补充0篇。
干预领域分布
医疗保健服务7篇、烟草/药品5篇、COVID-19限制5篇、疫苗3篇、食品2篇、其他3篇；实施年份1996–2022，论文发表2014起跳，2020达峰。
研究设计与统计模型
ITS占56%，DID占44%；线性回归48%，负二项20%，Logistic 12%；平均每次分析2个结局；仅44%报告敏感性分析。
数据来源与处理
医院行政数据BDMH使用最多（28%），其次为欧洲毒品监测中心、国家统计局、药房报销记录；49.1%结局按连续变量处理，50.9%为年度数据。
质量评估结果
20条目中“干预描述”“对照组存在”回答率最高；“仿佛随机论证”“ATE定义”“SAP公开”几乎全军覆没；无文章提供分析代码或估算避免事件数。
研究结论与讨论
文章指出，葡萄牙准实验研究正处于“数量上升、质量待补”的关键窗口期。ITS与DID的流行，得益于COVID-19催生的政策评估需求及国际方法学教程普及；但统计细节（自相关、平行趋势）与因果推断规范（SAP、代码共享）的缺位，削弱了结果可信度。作者建议：
① 扩大培训，把“目标试验思维”纳入公共卫生研究生课程；
② 推广报告清单，要求期刊审稿时核查SAP与数据可得性声明；
③ 搭建跨机构数据共享平台，充分激活VACINAS、PEM等“沉睡资产”；
④ 鼓励探索合成控制、回归断道等高级设计，为疫苗、环保、交通健康影响评估提供新工具。
综述最终强调，只有当准实验研究在“设计—分析—报告—共享”全链条对齐国际标准，行政大数据才能真正转化为政策优化的可靠证据，而葡萄牙的经验与教训，对全球处于相似阶段的国家具有直接借鉴价值。
