编辑推荐：
在公共卫生领域，为探究干预或暴露影响，研究人员开展了中断时间序列（ITS）相关研究。对 430 个 ITS 数据集进行整理分析，结果表明不同统计方法对分析和荟萃分析结果有影响。该研究为后续 ITS 研究及教学提供了重要资源 。
公共卫生领域的研究常常面临着诸多挑战，比如如何准确评估一项新政策、一种突发事件对人群健康的影响。在现实世界中，很多时候无法进行随机对照试验，这就使得传统的研究方法难以施展拳脚。例如，当政府出台新的控烟政策，想要知道这一政策对民众吸烟率的影响；或者发生自然灾害后，想了解其对当地传染病传播的影响 ，这些情况都难以通过常规的随机实验来研究。
中断时间序列（Interrupted Time Series，ITS）设计应运而生，它在无法进行随机化的情况下大显身手。在 ITS 设计中，研究人员会在干预或暴露事件前后的多个时间点收集数据，并通过一些统计方法对数据进行处理，控制干预前的趋势，从而比较干预前后的变化，评估干预或暴露的效果。不过，目前分析 ITS 数据的统计方法众多，在进行荟萃分析（Meta-analysis）时，不同的 ITS 分析方法和荟萃分析方法的组合也多种多样，这就导致了一个问题：这些不同的方法组合会不会对研究结果产生显著影响呢？
为了解开这个谜团，来自澳大利亚莫纳什大学（Monash University）的研究人员 Simon L Turner、Elizabeth Korevaar 等人开展了深入研究。他们的研究成果发表在《BMC Research Notes》上，为该领域的研究带来了新的见解。
研究人员用到的关键技术方法主要有：数据收集上，从已发表的研究中获取数据，包括研究自带数据、通过邮件向作者获取数据以及利用 WebPlotDigitizer 软件从已发表手稿的图表中数字提取数据；数据整理方面，将来自两项实证研究的 ITS 数据集进行筛选、整合，形成包含 430 个数据集的资料库。
下面来看具体的研究结果：
- 数据集来源：
- 实证研究 1（Turner 等人 [12]）：从 200 项研究中选取了 190 个 ITS 数据集，这些数据集来自研究自带数据（8 个）和数字提取数据（176 个）。
- 实证研究 2（Korevaar 等人 [13]）：从 17 项荟萃分析中的 283 个 ITS 数据集中选取，数据来源包括研究自带数据（16 个）、作者提供数据（220 个）和数字提取数据（10 个） 。
- 数据文件内容：
- Datafile 1（data_dictionary.xls）：是数据字典，用于描述 Datafile 2 和 Datafile 3 中的变量。
- Datafile 2（study_information.xls）：包含资料库来源、研究引用细节、干预和结果的相关描述等信息。
- Datafile 3（time_series_data.xls）：记录了时间序列数据，包括时间变量、结果数值、分段信息等。
- Datafile 4（version_history.xls）：为后续可能添加的数据预留，记录资料库版本变更情况。
研究结论和讨论部分具有重要意义。研究发现，不同的统计方法在分析 ITS 数据和进行荟萃分析时，得到的效应估计值和相关统计数据存在差异。这意味着研究人员在选择分析方法时，需要谨慎考虑，因为方法的选择可能会影响研究结果的准确性和可靠性。同时，该研究整理的 430 个 ITS 数据集，为未来的 ITS 研究提供了宝贵的资源，也可以作为教学案例，帮助更多人理解和应用 ITS 研究方法。不过研究也存在一些局限性，比如部分数据获取困难，数据提取可能存在误差，资料库也未能涵盖所有数据集细节等。但总体而言，这项研究为公共卫生和社会科学领域中 ITS 研究的发展奠定了基础，为后续研究指明了方向，推动了该领域研究方法的进步和完善。
