编辑推荐：
为解决人群队列研究中 “健康志愿者偏倚” 导致的代表性不足问题，研究人员分析 GCAT 队列（20,000 名加泰罗尼亚成人）与普通人群差异，通过 raked 权重校正。结果显示权重使变量差异平均减少 70%，提升了队列代表性与数据准确性，为精准医学提供更可靠依据。
在生命科学和医学研究领域，基于人群的队列研究是探索疾病发生发展机制、制定预防策略的重要基石。然而，“健康志愿者偏倚” 长期以来一直是困扰该领域的难题 —— 主动参与队列研究的人群往往比普通人群更健康，导致研究结果难以准确反映真实的人群特征，这不仅影响风险因素的识别，还可能使预防策略和治疗方案的普适性大打折扣。如何评估并校正这种偏倚，成为提升队列研究可靠性的关键挑战。
为了攻克这一难题，来自西班牙加泰罗尼亚 Germans Trias i Pujol 研究中心（IGTP）等机构的研究人员，针对加泰罗尼亚地区的 GCAT 队列展开深入研究。GCAT 队列由 2014-2017 年招募的 19,390 名 40-65 岁成人志愿者组成，通过电子健康记录（EHR）和定期随访收集纵向健康数据。研究团队旨在评估该队列的健康偏倚，识别代表性关键指标，并通过统计方法生成权重以增强其与普通人群的可比性。相关研究成果发表在《Scientific Reports》上，为队列研究的方法学改进提供了重要参考。
研究人员主要采用了以下关键技术方法：首先，整合多源数据进行对比分析，包括加泰罗尼亚电子健康记录数据库（SIDIAP）、加泰罗尼亚健康调查（ESCA）、加泰罗尼亚统计研究所（IDESCAT）和西班牙国家统计局（INE）的数据；其次，运用 R 语言的 anesrake 包构建 raked 权重模型，通过迭代比例拟合算法调整队列的社会人口学、生活方式和健康相关变量，使其与目标人群基准对齐；最后，通过分层分析（按年龄、性别）和敏感性分析，评估权重校正前后队列在疾病患病率、死亡率、共病指数等关键指标上的差异。
队列代表性评估结果
通过对比社会人口学特征、生活方式、健康相关因素及药物使用等 17 个变量，研究发现 GCAT 队列存在显著的健康志愿者偏倚：
- 社会人口学特征：队列中女性比例更高（58.57% vs 普通人群 49.85%），居住于城市和非贫困地区的比例显著增加，教育水平和就业率更高，单身和丧偶人群比例较低。
- 生活方式：当前吸烟者比例低于普通人群（19.80% vs 28.21%），但高风险饮酒者比例更高，呈现 “U 型” 分布。
- 健康指标：队列死亡率显著低于普通人群，自我感知健康为 “良好” 的比例更高，但超重 / 肥胖（BMI≥25）比例与普通人群接近。慢性疾病如 2 型糖尿病（E11）、高血压（I10）患病率较低，而偏头痛（G43）、过敏性鼻炎（J30）患病率较高。
- 药物使用：心血管药物（C 类）、糖尿病药物（A10）使用频率较低，女性更多使用精神药物（N06），男性更多使用肾素 - 血管紧张素系统药物（C09）。
Raked 权重校正效果
研究通过 6911 次迭代筛选出最优权重模型，包含性别、出生年份、城乡、教育水平、吸烟习惯等 10 个关键变量。校正后：
- 社会人口学变量：女性比例降至 49.85%，年龄分布、教育水平等与普通人群完全对齐，贫困指数差异减少 27.11%。
- 健康相关变量：死亡率估计值从 1.02 / 千人年提升至 1.35 / 千人年，更接近普通人群（3.76 / 千人年）；20 种慢性疾病中，19 种患病率估计值改善，如 2 型糖尿病（E11）、高血压（I10）的低估情况显著纠正，但酒精相关疾病（F10）仍低估。
- 模型效能：权重使对比变量差异平均减少 70%，疾病患病率估计差异减少 26%，表明队列代表性显著提升。
研究结论与意义
本研究首次在 GCAT 队列中系统评估健康志愿者偏倚，并通过多源数据整合和 raked 权重模型有效校正了队列的代表性。结果表明，权重校正不仅改善了社会人口学特征的均衡性，还提升了疾病患病率估计的准确性，尤其对心血管疾病、内分泌疾病等关键健康指标效果显著。尽管针对吸烟、饮酒等行为相关指标的校正仍有局限，但该方法为后续队列研究提供了可借鉴的方法论框架。
该研究的重要意义在于：其一，揭示了健康志愿者偏倚在队列研究中的普遍性及其对结果的潜在影响，强调了代表性评估的必要性；其二，验证了 raked 权重在整合多维度数据、提升队列外部效度中的有效性，为精准医学研究中队列数据的规范化应用奠定了基础；其三，通过公开数据共享和方法学透明化，为全球范围内的人群队列研究提供了跨区域对比的参考标准，助力于疾病预防策略的制定和医疗资源的优化配置。未来研究可进一步探索动态权重模型在长期随访中的应用，以持续校准队列的代表性，推动个性化医学和公共卫生领域的发展。
