编辑推荐：
在流行病学研究中，同一研究问题结果常差异大。研究人员开展 “婚姻状况与心血管疾病风险” 的多分析师研究，利用欧洲健康、老龄化和退休调查（SHARE）数据。结果显示不同分析差异大但同类分析结果趋同，该研究对理解分析决策影响有重要意义。
在流行病学领域，一直以来都存在着一个令人困惑的现象：对于同一个研究问题，不同的研究往往会得出差异巨大的结果。这背后的原因错综复杂，人口特征的差异、抽样误差以及变量测量的不同都在其中起着作用。然而，还有一个重要因素常常被忽视，那就是研究人员在分析过程中拥有的多种选择，这些选择可能会对研究结果产生显著影响。例如，在探究婚姻状况与心血管疾病之间的关系时，不同的研究可能会因为分析方法的差异而得出截然不同的结论。这种现象不仅让科研人员感到困扰，也对公众健康决策的制定造成了阻碍。为了深入探究这一问题，来自多个国家的研究人员决定开展一项独特的研究。
德国埃森大学医院的研究人员牵头，联合了众多来自不同领域的专家，开展了一项名为 “婚姻状况与心血管疾病风险 —— 一项流行病学多分析师研究” 的项目。他们从欧洲健康、老龄化和退休调查（SHARE）中获取数据，该调查涵盖了 28 个欧洲国家和以色列的 14 万 50 岁及以上人群，数据丰富且具有代表性。研究人员让 16 个分析师小组（共 24 名研究人员）独立分析婚姻状况（未婚与已婚同居）对心血管疾病结局的影响，并要求他们提供效应估计值、结果评论以及完整的分析代码。此外，还进行了额外分析，以探究不同分析选择对效应估计的影响。
这项研究意义重大。它首次在流行病学领域大规模地开展多分析师研究，为理解研究人员的分析决策如何影响研究结果提供了宝贵的见解。通过对婚姻状况与心血管疾病风险关系的深入分析，有助于公共卫生领域制定更精准的健康干预策略，为改善公众健康提供科学依据。该研究成果发表在《European Journal of Epidemiology》上，引起了学界的广泛关注。
研究人员在开展此项研究时，主要运用了以下关键技术方法：
- 数据收集：采用 SHARE 调查数据，该数据涵盖多方面信息，为研究提供丰富样本。
- 统计分析：各分析师小组运用多种统计软件（如 R、SAS、STATA）进行分析，包括计算风险比（如危险比 HR、比值比 OR、相对风险 RR ）、构建回归模型（如逻辑回归、Cox 比例风险模型等）以及调整混杂因素等。
研究结果
- 分析师及分析特点：16 个分析师小组中，人员构成多样，包括数学家、统计学家、流行病学家等。使用的统计软件主要有 R、SAS 和 STATA。分析数据集大小差异大，从 15,592 到 336,914 不等。
- 效应估计结果：效应估计值（HR、OR、RR）范围为 0.72 - 1.31（以已婚同居为参照）。纵向分析中，效应估计值范围是 0.95 - 1.31；横断面分析中，范围是 0.72 - 1.02。
- 不同因素对效应估计的影响
- 分析类型：额外分析 1 表明，横断面分析和纵向分析结果差异明显，相对风险在横断面分析中约为 0.76，在纵向分析中为 1.10 。
- 暴露和结局定义：额外分析 2 显示，改变暴露和结局的定义，相对风险范围为 1.101 - 1.229 。
- 混杂因素调整：16 个小组提供了 14 种不同的混杂因素调整集，额外分析 3 表明，调整集对效应估计影响较小，相对风险范围为 1.10 - 1.16 。
- 回归模型选择：使用了多种回归模型，如逻辑回归、Cox 比例风险模型等。除个别情况外，回归模型的选择对效应估计影响不大。
研究结论与讨论
研究发现，不同分析师的分析差异巨大，但具有相似研究问题（estimands）和样本量的分析结果更为相似。研究人员在分析过程中的一些决策，如暴露和结局的精确定义、调整集的选择以及回归模型的选择等，对效应估计的影响相对较小。纵向分析和横断面分析结果的差异主要是由于研究类型不同，而非单一分析决策。
然而，该研究也存在一定局限性，如分析师数量较少、经验异质性不足、地域局限性等。尽管如此，这项研究为流行病学研究开辟了新的视角。它提醒研究人员在进行数据分析时，要更加谨慎地选择分析方法，充分考虑不同分析决策对结果的影响。同时，也为未来的多分析师研究提供了重要参考，推动流行病学研究朝着更加严谨、准确的方向发展，对公共卫生政策的制定和公众健康的改善具有深远意义。
