佛罗里达大学的医生注意到飓风后鼻窦感染有所增加，于是向Epic研究寻求答案。基于Epic庞大Cosmos数据库中数百万患者记录的分析显示，感染与飓风关联甚微，主要归因于常规呼吸道疾病高发季。
该研究与大多数Epic研究工作一样，直接发布在公司网站而非同行评审期刊上。作为电子健康记录巨头的子公司，Epic研究已凭借来自300多家医疗系统的数据建立起快速、开放研究的声誉。
支持者认为，Cosmos数据集的规模使分析速度更快、范围更广，超越传统学术研究。但部分专家质疑速度是否以严谨性和监管为代价。由于缺乏独立同行评审，研究结果依赖Epic内部审核流程——这对视同行评审为关键保障的研究者而言是隐患。
学术研究界对期刊体系外发表的研究普遍持怀疑态度。一项针对28个国家294位在同行评审医学期刊发表论文的通讯作者调查显示，仅约三分之一受访者信任未经同行评审的研究。佛罗里达大学医学院社区健康与家庭医学系研究副主任阿奇·梅诺斯三世博士指出，同行评审体系为研究可信度提供了必要保障。
“如果我们声称不需要同行评审只为追求速度，可能会传播对公众有害的内容，”梅诺斯表示。
然而，多项研究已揭示同行评审的缺陷，包括流程缓慢、成本高昂、耗时过长，难以发现 flawed 和欺诈性论文，且可能存在地域、种族和性别偏见。Epic研究首席数据科学家卡莱布·考克斯指出，尽管缺乏同行评审，Epic关于药物过量患者未检测芬太尼等研究常被州立法引用，甚至推动部分州法律修订。
佛罗里达大学健康系统的教授兼副首席医疗信息官布莱恩·洛博博士曾参与飓风研究，他表示研究者受益于数据集规模。该研究涵盖佛罗里达、佐治亚和南卡罗来纳州受影响邮编区域在研究期内有医疗记录的居民。洛博称，Epic可评估单次飓风中超过4000万次患者医疗接触，而大学团队仅能独立分析约10000次。
“我认为Epic研究及Cosmos数据库正彻底改变研究格局的关键在于荟萃分析——无需间接分析方法 flawed 或不一致的多项研究，现在可直接分析原始数据，制定更恰当全面的解决方案，”洛博向Medscape医学新闻表示。
Epic的研究模式
该研究机构与使用Epic软件的医疗系统合作创建Cosmos数据集。俄亥俄州MetroHealth于2019年率先加入协作，其他参与者包括杜克大学医疗系统、耶鲁医学院和贝勒医学院。目前数据覆盖全美50个州及加拿大、黎巴嫩和沙特阿拉伯的1800家医院与4.1万家诊所。
成员必须使用Epic软件以确保数据格式统一，且需同意向Cosmos社区贡献全部数据而非出售访问权限。Epic首项研究发布于2020年4月，所有研究均通过其网站和邮件列表公开。
每项研究由两支内部团队执行，每队至少包含一名数据科学家和一名临床医生。Epic研究团队包括6名全职数据科学家、8名兼顾Epic软件工作的数据科学家，以及23名临床医生（含医师、护士和药剂师）。
研究结果由未参与该项目的研究者和临床医生审核。考克斯表示，脱离同行评审期刊体系的优势在于能快速发布高度易获取的成果。他强调Epic研究人员因专职工作而具备问责性，不同于依赖志愿者的同行评审。
“劣势在于缺乏外部审核者为研究背书，”考克斯坦言，“我认为就我们的目标而言，这种权衡是值得的，但理解为何传统流程对许多研究者更契合其需求。”
Epic选择研究课题时考量三点：问题能否通过Cosmos数据集解答、能否产生新知识、是否可能推动医疗政策或临床实践变革。
例如，2022年Epic与马里兰大学帕克分校合作研究发现，急诊就诊的药物过量患者中仅5%接受芬太尼检测，尽管该药物是近年过量死亡主因。2023年，宾夕法尼亚州和佛罗里达州据此立法要求急症医院在尿液毒品筛查中加入芬太尼检测。考克斯指出，两项法案均引用了Epic研究。
截至2023年6月底，芬太尼毒理检测率升至14%，13-17岁患者检测率在2023年底达26%。Epic通过其研究数据追踪器提供已发布研究的更新指标。
Epic研究并非唯一脱离同行评审体系的机构，凯泽家庭基金会（KFF）和城市研究所等非营利组织也发布自主研究。Epic曾与KFF合作多项研究，包括2020年揭示有色人种患者感染、住院及死于SARS-CoV-2的比例高于白人的分析，以及另一项关于疫情期间远程医疗在心理健康服务中作用的研究。
Epic还与政府机构合作，例如2023年与美国疾控中心（CDC）联合开展JYNNEOS疫苗对猴痘疾病有效性的研究。
Epic被引用最多的研究旨在确定服用司美格鲁肽或利拉鲁肽的患者是否需长期服药以维持减重效果。研究发现，超半数患者停药后体重保持稳定或继续下降，17.7%则恢复至初始体重或更高。公司研究员凯尔丝滕·巴特尔特指出，当时缺乏停用新型减重药一年后的体重变化数据，“我们不确定真实世界数据会显示什么，但知道这是可获取、时效性强且与大众相关的内容”。
优势与局限
洛博表示，基于Cosmos等大型数据集的研究有助于规避地域、性别、种族等偏差，因大规模人群分析降低了遗漏特定群体的概率。亚组分析也更可靠，因测量显著结果所需的样本量常高于多数研究规模。
研究者还可与Epic合作开展研究。“Epic研究令人振奋之处在于，它为不具备数据分析技能者打开了大规模研究之门，通过数据技能者与问题提出者之间的合作实现互补，”洛博解释道。
考克斯称，Epic研究从执行到发布平均耗时约1个月，且研究完全开放获取。“成果采用通俗语言撰写，无论是无暇细读期刊文章的繁忙全科医生，还是无法获取付费墙后文章或缺乏解读能力的患者都能理解，”考克斯补充。
期刊流程以缓慢著称，部分原因在于合格审稿人池有限。梅诺斯提到，其关于BMI与体脂率对比的研究提交后历时整年才得以发表。
Cosmos数据集的匿名化特性带来结构性局限。例如飓风研究中，研究者需聚合受影响邮编区域以避免样本量低于10人的风险。
“我认为我们的工作是对同行评审研究和其他临床试验研究的极佳补充，”巴特尔特表示。
负责多家期刊稿件评审的洛博指出，尽管评审流程降低了发布系统性 flawed 研究或裙带关系的风险，但此类风险依然存在。“此外，付费出版期刊在科研中占比上升，使区分真实‘同行评审’与‘非同行评审’研究愈发困难，”洛博说。在此模式下，作者需支付文章处理费以获取发表机会。
“真正将Epic研究与非同行评审研究区分开的，是其对方法论的坚持及对数据真实呈现的承诺，而非迎合特定作者叙事。这显著提升了其大数据分析的研究质量与洞察价值，”洛博总结道。
【全文结束】
