队列研究
一种纵向研究形式
队列研究是一种特定形式的纵向研究，它选取具有共同特征（通常是在特定时期经历共同事件的人群，如出生或毕业）的队列进行抽样，并在时间进程中定期进行横断面分析。它是面板研究的一种类型，其中面板中的个体共享共同特征。
队列研究代表了流行病学的基本设计之一，广泛应用于医学、药学、护理学、心理学、社会学及任何依赖循证（统计学）获取关键答案的研究领域。例如在医学中，虽然临床试验主要用于评估新药上市前的安全性，但流行病学分析则常用于探究风险因素如何影响疾病发生率，从而识别疾病根本原因，并为保护性因素（治疗手段）的可行性提供临床前依据。
与对照试验的比较
队列研究与临床试验的区别在于：队列设计中不对参与者施加任何干预、治疗或暴露，也不定义对照组。相反，队列研究主要关注特定人群的生活史及其构成个体。暴露因素或保护性因素被视为参与者的既存特征。研究通过在统计分析中纳入队列的其他共同特征进行控制。暴露/治疗变量和对照变量均在基线测量，随后长期追踪参与者以观察目标疾病或结局的发生率。回归分析可用于评估暴露或治疗变量对疾病发生率的贡献程度，同时控制其他潜在影响变量。
双盲随机对照试验（RCT）通常被视为治疗证据等级中的更优方法，因其能最大程度控制混杂变量，且随机化与盲法过程可减少研究设计中的偏倚。然而，队列研究通过基于先验研究和背景知识的假设，选择纳入回归模型的变量，并采用统计方法识别和校正潜在混杂因素。在队列选择阶段也可减轻偏倚。
当结局为负面健康影响且暴露因素被假设为风险因素时，RCT可能不适用。伦理标准和道德规范会阻止在RCT中使用此类风险因素。而自然或偶然暴露（如日光暴露时间）或自我施加的暴露（如吸烟）可在不改变参与者生活方式的前提下进行测量。
类型
队列研究可分为回顾性（回溯历史数据，如医疗记录或索赔数据库）或前瞻性（需收集新数据）。回顾性队列研究因信息受限于已有数据，研究者控制混杂和偏倚的能力较弱，但其优势在于成本更低、速度更快。
队列指在特定时期内具有共同特征或经历的人群组（例如现存活人群、接触药物/疫苗/污染物者或接受特定医疗程序者）。因此，某日或某时期出生的人群（如1948年）构成出生队列。对照组可为队列来源的总体人群，或另一组被认为暴露程度极低但其他特征相似的人群。也可比较队列内部的子群体。
应用
在医学中，队列研究常用于获取证据以反驳疑似因果关联。未能证伪假设通常会增强对其的信心。关键在于，队列需在疾病出现前即被确定。研究追踪无病人群一段时间，观察疾病新发病例。因此队列不能定义为已患病人群。暴露与疾病间的前瞻性队列研究能有力支持因果关联探究，但确定真正因果关系通常需进一步实验验证。
前瞻性队列研究的优势在于：通过长期追踪个体并定期收集数据，可减少回忆误差，有助于确定新发疾病的危险因素。然而，队列研究成本高昂、易受受试者流失影响且需长期随访才能产出有效数据。尽管如此，其长期研究结果的质量远优于回顾性/横断面研究，被视为观察性流行病学中最可靠的方法，能广泛研究暴露-疾病关联。
某些队列研究从儿童出生开始追踪，记录大量相关信息（暴露因素）。研究价值取决于研究者与队列成员保持联系的能力，部分研究已持续数十年。队列研究中，调查对象是处于特定疾病或健康结局风险中的人群。
实例
可回答的流行病学问题示例：X暴露（如吸烟）是否与Y结局（如肺癌）相关？1951年启动的英国医生研究即采用此类方法，比较吸烟者（暴露组）与非吸烟者（非暴露组），至1956年已证实吸烟与肺癌的明确关联。队列研究通过匹配经济地位等其他变量，使目标变量（自变量，此处为吸烟）能被隔离为因变量（此处为肺癌）的原因。若吸烟组肺癌发生率显著高于非吸烟组，则支持该假设。但肺癌等罕见结局通常不适用队列研究，而更适合病例对照研究。
在艺术领域，队列继替理论可解释文学、艺术、知识思潮、政治观点及语音学的多数变迁。
短期队列研究常用于临床试验，以测试特定临床假设。此类研究通常追踪两组患者，比较终点结局。
随机对照试验（RCT）因能通过随机分配减少偏倚，被视为证据等级中的更优方法。但若已有充分证据表明吸烟导致肺癌，则说服非吸烟者参与吸烟实验在伦理上不可接受。
持续50年以上的著名队列研究包括弗雷明汉心脏研究和英国出生队列研究（NCDS）。新西兰邓迪市1972-1973年出生的千人队列研究（邓迪多学科健康与发展研究）自2024年起进入第52阶段随访。规模最大的女性队列研究是始于1976年的护士健康研究，追踪逾12万名护士。非洲规模最大的队列研究是始于1990年的"出生至二十岁研究"，追踪3000多名在曼德拉获释后出生的儿童。其他著名案例包括追踪1950年代哈佛毕业生的格兰特研究、追踪10,308名英国公务员的怀特霍尔研究，以及自1979年研究威尔士凯尔菲利镇2,512名男性的凯尔菲利心脏病研究。
ASPREE-XT研究旨在探究每日低剂量阿司匹林平均4-5年治疗的长期效果，结局指标包括癌症死亡率。截至2018年9月，澳大利亚有16,703名参与者。有提案建议将该研究扩展为多代际研究平台。
变体
现时与历史性队列
现时队列研究是真正的前瞻性研究，暴露数据在研究事件发生前收集。例如英国牛津计划生育协会研究，旨在全面评估不同避孕方法的利弊，已提供大量关于口服避孕药、子宫帽和宫内节育器的有效性与安全性的信息。
历史性队列研究在事件发生后收集暴露与疾病数据，参与者通过现存记录或医疗注册库确定。"前瞻性队列"在研究前定义分组，而历史性研究（有时称"回顾性队列"）在数据收集后定义分组。历史性队列研究的实例包括《胃旁路手术后的长期死亡率》和《洛锡安出生队列研究》。
嵌套病例对照研究
嵌套病例对照研究是嵌入队列研究中的病例对照设计。其过程始于常规队列研究，当参与者出现目标结局时被选为病例，随后匹配对照组。病例选择与匹配流程与常规病例对照研究相同。实例包括从弗雷明汉心脏研究队列中提取的《炎症标志物与冠心病风险》研究。
嵌套设计的优势在于减少需详细随访或诊断测试的参与者数量，但相比原始队列会降低统计效力。
家庭面板调查
面板调查是另一种重要纵向研究子类型，其起点是代表性横断面样本而非事件定义的队列。家庭面板抽取代表性家庭样本并年度追踪所有成员。实例包括美国收入动态追踪研究（始于1968年）、德国社会经济面板（1984年起）、英国家庭面板调查（1991年起）及其继任者"理解社会"研究、澳大利亚家庭收入与劳动力动态调查（2001年起）以及欧洲社区家庭面板（1994-2001年）。
商业领域的队列分析
商业分析中的队列分析实例参见相关条目。
人工智能在队列研究中的应用
传统队列研究需手动定义共同特征，过程耗时费力且依赖专业知识。为突破此局限，研究者 increasingly探索整合AI技术（如CohortNet、COOL系统）以自动化队列识别。例如在医疗领域，可识别具有特定特征组合的患者构成特定队列，通常产生相似结局。识别队列后，进一步学习关联患者的共性并获取有意义的队列表征。此类AI衍生队列不仅能提升新患者评估能力，更有望加速医学研究与发现进程。
【全文结束】
