摘要：
目标试验仿真是随机对照试验的重要补充，其报告的透明性、完整性和准确性，是审稿人与读者评价目标仿真试验有效性及适用性的关键。2025年发布的TARGET声明为利用观察性数据进行目标试验仿真提供了标准化的报告框架。本文详细梳理了该声明所提供的清单中的21个条目，并通过对CHANCE2201研究的案例分析，展示了如何在报告目标试验仿真结果时按照声明来确保研究报告的质量。
关键词：目标试验仿真；TARGET声明；观察性数据；报告框架
【中图分类号】R181.2; R195【文献标识码】A
Enhancing Transparency in Reporting Target Trial Emulation Studies: An Interpretation of the TARGET Statement
Li Xinyi, Zhou Jiawei, Shen Mujie, et al (Wuxi Center for Disease Control and Prevention / The Affiliated Wuxi Center for Disease Control and Prevention of Nanjing Medical University, Wuxi 214023)
Abstract：
Target trial emulation is an important complement to randomized controlled trials. The transparency, completeness, and accuracy of its reporting are essential for reviewers and readers to evaluate the validity and applicability of target trial emulation studies. The TARGET statement, published in 2025, provides a standardized reporting framework for conducting target trial emulations using observational data. This article systematically reviews the 21 items included in the TARGET checklist and demonstrates—through a case study of the CHANCE-2201 study—how to apply the statement to ensure high-quality reporting of target trial emulation results.
Key words: Target trial emulation; TARGET Statement; Observational data; Reporting framework
自从1948年Hill等在英国医学杂志（British Medical Journal, BMJ）上发表第一个抗结核临床试验《链霉素治疗肺结核的随机对照研究》以来，随机对照试验（randomized controlled trials, RCT）在医学研究领域里的重要性已得到公认[1]。凭借能控制混杂的核心优势，随机对照试验能产生高等级的医学证据，逐渐成为干预措施与治疗结局间因果效应评估的金标准[2]。
然而，随机对照试验具有以下缺点：在部分场景中因伦理约束、资源消耗过大、操作复杂性高等因素而不可行或难以实施；在特殊人群（如老年人、儿童、孕妇、合并多种基础疾病者，等等）中难以开展，导致外部有效性受限；严格控制研究条件，与现实世界中的实际诊疗环境存在差异，故研究的是干预的效力（efficacy）而非有效性（effectiveness），结论外推性有限；同时，RCT 的研究周期较长，难以快速响应即时性的健康问题研究需求[3]。真实世界研究（real-world study，RWS）,也称现实世界研究，更强调充分利用来自现实诊疗过程的真实世界数据（real-world data, RWD），获得高水平的真实世界证据（real-world evidence，RWE）[4, 5]。
大多数真实世界研究采用观察性研究的形式，基于已经获得的数据开展，如电子健康档案（EHR）、电子医疗记录（EMR）、患者登记注册系统、专病队列，等等，观察性研究的常见偏倚不可避免。例如，由于没有随机分组，已测混杂和未测混杂的影响不能排除；又如，观察性研究入选标准评估、干预时间、随访开始时间不一定能对齐，可能导致非死亡时间偏倚（immortal time bias）；观察性研究的数据往往是回顾性的，研究者没有前瞻性的分析计划，研究者可以对数据进行充分的挖掘并选择性地报告有统计学意义的结果，等等。
为了解决这一问题，哈佛大学的Hernán和Robins等两位学者于2016年提出了目标试验仿真的概念（target trial emulation，TTE），用于在无法开展随机对照试验时，基于医疗大数据来仿真一个前瞻性的随机对照试验[6]。目标试验仿真已在药物、政策和器械等的真实世界中得到了广泛的应用。2025年10月，英国医学杂志（British Medical Journal，BMJ）和美国医学学会会刊（Journal of American Medicine Association，JAMA）同步发表《观察性研究仿真目标试验的透明报告：TARGET声明》，对目标试验仿真相关论文的发表格式及内容要求做了建议[7, 8]。本文将结合观察性研究的分析策略和因果推断的相关概念，对TARGET声明进行解读，同时也将TARGET声明应用于对笔者参与发表的一个案例进行评估，以帮助读者更好地应用TARGET声明。
一、目标试验仿真简介
目标试验仿真是一种基于观察性数据、严格对随机对照试验设计进行仿真的因果推断框架。尽管目标试验仿真也是一种观察性研究，但其设计和分析上有其特殊性。图1说明了传统观察性研究与目标试验仿真的区别。一个目标试验仿真研究包括两个基本步骤：明确目标试验和目标试验仿真。其中目标试验既可以指已经研究结束或研究进行中的随机对照试验（用于验证发现，如RCT Duplicate[9, 10]），也可以是研究者所构思的、但不正式开展的随机对照试验（用于验证科研假说，如笔者参与的CHANCE2201研究[11]）。同时，目标试验仿真是一种假说驱动的研究，强调了对人群、干预、分组、结局、分析方法等定义的前瞻性和数据分析的计划性，因而能提供更强的因果结论。
图1传统观察性研究与目标试验仿真的区别
二、TARGET声明的制定过程
TARGET声明的制定团队包括方法学专家、统计学家、临床研究者、期刊编辑等等，通过多方协作完成。制定过程遵循EQUATOR（Enhancing the Quality and Transparency of Health Research）框架[12]。包括了四阶段研发过程：系统综述（目标试验仿真报告实践分析）→ 两轮国际专家调研（18 国6 国专家）→ 三天专家共识会议（18 名多领域专家）→大范围试点验证（n=108 利益相关者）
三、目标试验仿真的一些关键概念
目标试验仿真是一种基于观察性数据识别因果关系的研究方式，涉及了一些重要的因果概念。在BMJ和JAMA的原文中，作者详细介绍了目标试验框架、因果对比（causal contrast）、因果估计目标（causal estimand），混杂（confounding）、设计相关偏倚（design-related bias）等概念。限于篇幅所限，笔者这里仅简要介绍部分概念，感兴趣的读者可以阅读原研究论文。
因果对比是指不同处理策略下结局变量分布的对比。例如，若被分配到一种治疗策略与分入另一种治疗策略进行对比，而不管其后续是否实际接受分配的治疗，则估计的是意向性效应（intention-to-treat effect）。
因果估计目标是指预先定义的，将在研究中被估计的因果量，用于回答一个感兴趣的因果问题，是由目标人群、治疗策略、结局、随访时间和因果对比等元素组成的一个规范化的定义框架。需注意其与估计量（estimator）和估计值（estimate）的区别。一个简单的例子便于理解，估计目标是菜谱上的效果展示图，估计量是菜谱中的具体做法，而顾客自己准备材料，想把菜谱的内容做出来，但由于材料不完全一样，技术操作不完全一致，做出来的菜可能和菜谱上的图不太一样，这就是估计值。
目标试验仿真所使用的数据多来自于临床实践过程，需通过重新设计开展研究。这里需注意设计过程中的疏漏所导致的偏倚。例如，在老年人群（如70岁以上者）中开展某影响因素与寿命的研究，若部分本身未携带该因素的受试者由于其他原因已在70岁前去世，此时暴露和非暴露于该因素的个体可能在其他影响因素上分布不均衡，会引入选择偏倚，又称为易感性的耗竭（the depletion of susceptible）[13]；又如，未将开始治疗时间、入排时间和随访开始时间对齐，可能会导致非死亡时间偏倚[14, 15]，等等。而目标试验仿真则提供了一个框架，要求在设计中采取更具有前瞻性和规范性的措施，避免偏倚的发生，或针对偏倚采取有效的统计分析方法。
四、TARGET声明清单
为了便于读者应用，TARGET声明中提供了清单，笔者将其翻译成中文，如表1。
表 1目标试验仿真的研究报告中推荐条目的检查清单
Item No. 编号 | Checklist item 检查项 | 描述 | ||||
Abstract摘要 | ||||||
1 | a | Identify that the study attempts to emulate a target trial using observational data. State the study objectives and briefly summarize the specified target trial. | ||||
明确研究试图使用观察性数据进行目标试验仿真。说明研究目标并概述设定的目标试验。 | ||||||
b | Report the data sources used for emulation. | |||||
报告用于目标试验仿真的数据来源。 | ||||||
c | Summarize key assumptions, statistical methods, findings and conclusions. | |||||
概述核心假设、统计方法、研究结果和结论。 | ||||||
Introduction引言 | ||||||
2 | Background | Describe the scientific background of the study and the gap in knowledge. | ||||
背景 | 描述研究的科学背景和研究空白。 | |||||
3 | Causal question | Summarize the causal question. | ||||
因果问题 | 总结因果问题。 | |||||
4 | Rationale | Describe the rationale for emulating a target trial with the available data. Cite randomized trials informing the design of the target trial if applicable. | ||||
理论依据 | 描述使用现有数据进行目标试验仿真的理论依据。若目标试验仿真设计参考了随机试验，则引用相关文献。 | |||||
Methods方法 | ||||||
5 | Data sources | Cite the data sources contributing to the analyses and for each one describe the following: original purpose, type, the geographic locations, setting and time-period. If relevant, describe how the data were linked or pooled. | ||||
数据来源 | 引用用于分析的数据来源，并描述每个来源的原始目的、类别、地理位置、研究场景和时间范围。若相关，描述数据间如何关联或汇总。 | |||||
Target trial specification 目标试验方案 | Target trial emulation 目标试验仿真 | |||||
6 | Specify the components of the target trial protocol that would answer the causal question. | 7 | Describe how the components of the target trial protocol were emulated with the observational data, including how all variables were measured or ascertained. | |||
指定目标试验方案中能够回答因果问题的要素。 | 描述如何使用观察性数据对目标试验方案中的各要素进行仿真，包括所有变量的测量或确认方式。 | |||||
Eligibility criteria入选标准 | ||||||
a | Describe the eligibility criteria. | a | Describe how the eligibility criteria were operationalized with the data. | |||
描述入选标准。 | 描述目标试验中的入选标准如何基于数据落地实施。 | |||||
Treatment strategies治疗策略 | ||||||
b | Describe the treatment strategies that would be compared. | b | Describe how the treatment strategies were operationalized with the data. | |||
描述将要被比较的治疗策略。 | 描述治疗策略是如何基于数据落地实施。 | |||||
Assignment procedures治疗策略分配步骤 | ||||||
c | Report that eligible individuals would be randomly assigned to treatment strategies and may be aware of their treatment allocation. | c | Describe how assignment to treatment strategies was operationalized with the data. | |||
说明符合条件的个体将被随机分配至不同的治疗策略，并可能知晓其治疗分配情况。 | 描述治疗策略的分配过程如何基于数据落地实施。 | |||||
Follow-up随访 | ||||||
d | Clarify that follow-up would start at time of assignment to the treatment strategies. Specify when follow-up would end. | d | Clarify that follow-up starts at the time individuals were assigned to the treatment strategies. Describe how the end of follow-up was operationalized with the data. | |||
明确随访从分配治疗策略的时间点开始算起。指定随访结束时间。 | 明确随访从个体被分配到治疗策略组的时间点开始。描述如何根据数据定义随访结束时间。 | |||||
Outcomes结果 | ||||||
e | Describe the outcomes. | e | Describe how the outcomes were operationalized with the data. | |||
描述结果。 | 描述结局的定义如何基于数据落地实施。 | |||||
Causal contrasts因果对比 | ||||||
f | Describe the causal contrasts of interest, including effect measures. | f | Describe how the causal contrasts were operationalized with the data, including effect measures. | |||
描述研究关注的因果对比及对应的效应指标。 | 描述如何基于数据对因果对比及相应效应指标进行落地。 | |||||
Identifying assumptions识别假设 | ||||||
g | Describe assumptions that would be made to identify each causal estimand. Describe the variables, if any, related to these assumptions. | g.i | For each causal estimand, describe assumptions made to identify it, including assumptions regarding baseline confounding due to lack of randomization. | |||
描述用于识别每个因果估计目标所做的假设，并描述与这些假设相关的变量（如有）。 | 描述用于识别每个因果估计目标所做的假设，包括由于缺乏随机化而导致基线混杂的假设。 | |||||
g.ii | Describe how the variables related to these assumptions were operationalized with the data. | |||||
描述如何从数据中获得假设所需的相关变量。 | ||||||
Data analysis plan数据分析计划 | ||||||
h | For each causal estimand, describe the data analysis procedures and any associated statistical modeling assumptions, including approaches for handling missing data. | h.i | For each causal estimand, describe the data analysis procedures and any associated statistical modeling assumptions, including approaches for handling missing data. | |||
对于每个因果估计目标，描述数据分析步骤以及相应的统计建模假设和缺失数据处理方法。 | 对于每个因果估计目标，描述数据分析步骤以及相应的统计建模假设和缺失数据处理方法。 | |||||
h.ii | For each causal estimand, describe any additional analyses conducted to assess the sensitivity of the results to the choice of operationalizations, assumptions and analysis | |||||
对于每个因果估计目标，描述为评估结果对于操作方式、假设和分析方法选择的敏感性而进行的额外的分析。 | ||||||
Results结果 | ||||||
8 | Participant selection | Report numbers of individuals assessed for eligibility, eligible, and assigned to each treatment strategy. A flow diagram is strongly recommended. | ||||
参与者选择 | 报告接受资格评估的个体数量、符合资格标准的个体数量以及分配到每个治疗策略组的个体数量。强烈建议提供流程图。 | |||||
9 | Baseline data | Describe the distribution of characteristics of individuals at baseline, by treatment strategy. | ||||
基线数据 | 描述各治疗策略组的个体在基线的特征分布。 | |||||
10 | Follow-up | Summarize length of follow-up and describe reasons for end of follow-up for each treatment strategy and causal contrast. | ||||
随访 | 总结随访时间并描述每个治疗策略组的随访结束原因和因果对比。 | |||||
11 | Missing data | Describe the frequency of missing data in all variables, by treatment strategy when applicable. | ||||
缺失数据 | 描述每个变量的缺失频率，在适当条件下按治疗策略分组描述。 | |||||
12 | Outcomes | Describe the frequency or distribution of each outcome, by treatment strategy. | ||||
结果 | 按治疗策略分组，描述每个结果的频率或分布。 | |||||
13 | Effect estimates | Report the effect estimates for each causal contrast with corresponding measures of precision, including both absolute and relative measures of effect, when applicable. | ||||
效应估计 | 报告每个因果对比的效应估计值及相应精确度量，包括绝对和相对效应指标（若有）。 | |||||
14 | Additional analyses | Report results of all analyses to assess the sensitivity of the estimates to choices in operationalizations, assumptions and analysis. | ||||
额外分析 | 报告所有用于评估估计值对于操作、假设和分析方法选择的敏感性的分析结果。 | |||||
Discussion讨论 | ||||||
15 | Interpretation | Provide an interpretation of the key findings. | ||||
解释 | 提供对于关键发现的解释。 | |||||
16 | Limitations | Discuss the limitations of the study considering differences between the target trial and its emulation and the plausibility of assumptions, including assumptions regarding baseline confounding due to lack of randomization. | ||||
局限性 | 讨论研究的局限性：目标试验及其仿真之间的差异、假设的可信度以及缺乏随机化导致的基线混杂。 | |||||
Other information其他信息 | ||||||
17 | Ethics | Provide the institutional research board or ethics committee that approved the study and approval numbers, if relevant. | ||||
伦理 | 提供批准该研究的机构研究委员会或伦理委员会及其批准编号（如有）。 | |||||
18 | Registration | State whether, when and where the study protocol was registered. | ||||
注册 | 声明研究方案是否注册、注册时间和注册地点。 | |||||
19 | Sharing of study materials | Provide information on whether data, analytic code and/or other materials are accessible, and where and how they can be accessed. | ||||
研究资料共享 | 提供关于数据、分析代码和/或其他资料是否可获取的信息，以及如何访问这些资料。 | |||||
20 | Funding sources | Provide the sources of funding and detail the role of the funders in the design, conduct and reporting of the study. | ||||
资金来源 | 提供资金来源，并详细说明资助方在研究设计、实施和报告中的角色。 | |||||
21 | Conflicts of interest | State any conflicts of interest and financial disclosures for all authors. | ||||
利益冲突 | 声明所有作者的利益冲突和财务披露信息。 | |||||
清单包括六个主要部分：摘要、引言、方法、结果、讨论和其他信息。
1、摘要
在摘要部分应该明确表明本研究采用了观察性数据来仿真一个目标试验，同时也应该说明研究目标和因果问题。应当简要说明数据来源，从而帮助读者根据摘要来评估结论的稳健性和外推性。声明也建议，应该概括说明识别和估计因果效应的方法，尤其是针对未测混杂、测量误差、数据缺失等进行的假设。
2、引言
与一般科学论文相同，声明也要求在引言中描述研究的背景。但声明要求明确因果问题，尤其是按照人群-干预-对照和结局（即PICO）来进行描述。引言部分应当说明，基于现有数据采用目标试验仿真的合理性，以帮助读者理解本研究开展的必要性和合理性。
3、方法
声明首先要求详细说明数据来源，尤其是其原始用途（如研究、常规临床实践）、类型（如电子健康记录、医保报销数据、登记数据库）、数据收集的地理区域（如国家、地区）、场景（如医院、初级医疗、普通人群）、时间段，等等。如果涉及到多个数据合并使用，还需说明多个数据来源是如何整合。
声明将方法部分的内容要求分为目标试验指定（target trial specification）和目标试验仿真（target trial emulation）两部分。前者要求清晰地描述目标试验的具体设定，后者描述了如何基于数据来实现目标试验的仿真。一般会以表格的形式，列出目标试验的重要元素（包括：入选标准、治疗策略、治疗策略分配步骤、随访、结局变量、因果对比及识别假设），同时需要说明这些要素如何映射到观察性数据中去。
原清单中，使用了“Operationalized”一词，笔者将其翻译为“落地”，强调目标试验的设定，要基于手头数据来确认其是否能满足。例如，目标试验中采用随机分组，而仿真试验中则需描述如何利用匹配、倾向性评分（propensity score）逆处理概率加权（inverse probability of treatment weighting，IPTW）等形式实现拟随机化；某些临床试验中可能会检测某种生物标志物来确定受试者是否满足入选标准，但这些生物标志物可能不是临床常规检测的，此时就需要讨论没有生物标志物检测是否会影响相关科学问题；对于随访，目标试验中可能要求6周（2个周期）进行一次影像学检查，以确定治疗效果，而在实际诊疗过程中，受试者可能不会按时接受检查，此时一些与时间相关的结果变量（如无进展生存时间）的定义可能会不够准确，需要描述仿真试验中如何处理，等等。
需要在方法部分描述每种分析方法所依赖的特定假设，例如：若用Cox模型调整协变量，需假设等比例风险假设成立；对缺失值采用多重插补（Multiple Imputation），需假设缺失为随机发生（missing at random），等等。对于因果效应估计，若用倾向评分逆概率加权，需假设可忽略性（所有混杂已测并纳入模型）和正性（各协变量组合下均有不同处理者）等等。
目标试验仿真中的许多分析策略（如如何定义“持续用药”、如何处理竞争风险、是否调整某协变量）都带有主观性，核心假设（如无未测混杂）也常无法验证。敏感性分析可评估这些选择对结论的影响。常见敏感性分析包括：对于某些变量分段时采用不同的阈值；换用不同的分析方法（如用秩和检验代替t检验，用不同模型计算倾向性评分）；检验Cox的比例风险假设；采用不同的缺失数据处理方式；使用E-value、偏倚校正公式、或工具变量法评估需多强的未测混杂才能推翻结论，等等。这些额外分析是因果证据的重要组成部分。若结果在多种合理设定下保持一致，则结论更可靠。
4、结果
结果部分的要求和其他观察性研究指南（如STROBE）相似。例如，在结果部分，声明建议使用流程图的形式，给出筛选和被排除个体数及排除原因，从而有助于深入理解选择偏倚的程度与类型；要求报告用于落实目标试验方案的所有变量（如用于调整混杂的变量、结局变量及其他相关变量）的数据缺失情况以及缺失程度，等等。声明也建议报告亚组分析及敏感性分析等额外分析的结果。
5、讨论
声明要求讨论因使用现有观察性数据落实目标试验方案各组成部分（即合格标准、治疗策略、随访开始时间或结局指标）所面临的困难，也需讨论假设的合理性（包括因缺乏随机化而导致的无未测量基线混杂的假设），并结合敏感性分析的结果进行综合考量。
6、其他信息。
要求给出医疗和健康研究领域所需的额外信息，包括伦理审批、研究注册、研究数据、分析代码及其他材料的共享方式、资金来源，以及利益冲突，等等。
五、案例解读
本文将使用CHANCE2201这一研究来说明TARGET声明的应用[11]。原发性肝癌是全世界最常见的恶性肿瘤之一，其中肝细胞肝癌（HCC）约占原发性肝癌的75-85%。肝动脉化疗栓塞术（TACE）目前是中期肝癌标准治疗，并且是肝癌非手术治疗最常用的方法；而目前以免疫治疗为基础的联合治疗成为晚期肝癌一线治疗方案。理论上，局部介入治疗可以将缺乏免疫效应细胞的“冷”肿瘤转化为免疫效应细胞浸润的“热”肿瘤，为TACE联合靶免治疗提供了理论依据。但晚期肝癌一线治疗中，缺乏TACE联合靶免治疗的临床研究。CHANCE联盟是一个肝癌介入治疗患者的患者登记数据库，覆盖30余省市自治区，63家三级医院，注册了2018年1月—2022年12月的患者。
CHANCE2201研究采用目标试验仿真框架评估了TACE联合免疫及抗血管内皮生长因子抗体/酪氨酸激酶抑制剂（抗VEGF/TKIs）对比免疫联合抗VEGF/TKIs作为晚期肝细胞癌一线治疗的疗效与安全性。在1244例患者中，与ICI-VEGF治疗组相比，接受TACE-ICI-VEGF三联治疗的患者表现出更长的中位总生存期（22.6个月 vs 15.9个月）和中位无进展生存期（9.9个月vs 7.4个月），客观缓解率也更高（41.2% vs 22.9%），且严重不良事件发生率相近（22.2% vs 18.1%），表明联合TACE可显著改善生存结局并具有可接受的安全性。
这里我们逐条目对比案例与TARGET声明，介绍如何在报告结果时按照声明来确保研究报告的完整性和透明性。
1.摘要
CHANCE2201论文摘要中明确提到了研究目标，并在方法部分说明了这是一个目标仿真试验，说明了数据来源，同时简要说明了研究采用稳定化逆处理概率加权来减少偏倚。但声明中提到的诸多假设并未被提及。
2.引言
在CHANCE2201研究的背景部分，作者明确说明，在一线治疗晚期肝细胞癌患者中，对比TACE+靶免治疗与单靶免治疗的有效性和安全性，但并未说明结局指标是什么。同时，文中也说明了目标试验仿真框架的价值：将临床研究的方法学和设计原则用于观察性数据，减少选择偏倚、混杂偏倚和非死亡时间偏倚带来的影响。
3.方法
CHANCE2201论文中说明，涉及的数据库为患者登记数据库，在其他论文中已有详细描述[16]。文中说明了如何根据手头数据来修订入选标准，也讨论了目标试验和仿真试验中的不一致所带来的影响。CHANCE2201研究中一个关键的问题是TACE与靶免之间间隔多久的病人可以归入TACE+靶免组，此时不当的处理将可能引入非死亡时间偏倚。最终研究者选择TACE与靶免间隔不超过3个月的病人归入TACE+靶免组。若靶免治疗在TACE三个月之后，认为是换线治疗，不纳入研究；若先靶免治疗，然后在3个月之后进行TACE，也认为是进展后使用，但由于其一线治疗是靶免治疗，故纳入靶免组，同时增加了排除这部分人的敏感性分析。
对于分组策略，论文中描述了基于文献检索和有向无环图的混杂因素识别过程，用于实现拟随机化。零点时间定义为符合入选标准以及治疗开始的时间，以避免非死亡时间偏倚。论文明确说明，OS和PFS的定义都是从零点时间开始，同时约定了随访结束的时间。因果估计采用了类ITT估计，即不管依从性如何，都按照初始分组计算。
尽管声明中未明确要求样本量计算，CHANCE2201论文中对目标试验进行了样本量估计，同时说明了逆概率加权后的有效样本量。
对于统计分析计划，论文描述了利用观察性数据目标试验仿真时，对目标试验方法做出的调整。包括：采用稳定逆处理概率加权来调整混杂，采用克隆-删失-加权的方法处理非死亡时间偏倚，敏感性分析，等等。
4.结果
在结果部分，CHANCE2201研究用流程图的形式，详细给出了筛选和被排除个体数及排除原因，从而有助于深入理解选择偏倚的程度与类型。尽管该研究采用了克隆-删失-加权法，但未能按照TARGET声明，在流程图中同时注明唯一个体数量及总分析数量。文中使用LOVE图报告了调整混杂因素前后的基线特征。在结果部分，CHANCE2201也分别报告了两组的中位随访时间，以便读者评估两组间在随访时间上有无差异。
CHANCE2201中未报告缺失情况。对于结局指标，CHANCE2201给出了结局事件（死亡和进展）的事件数，并结合KM曲线了解生存率变化情况和组间差异。文中同时给出风险比及其95%可信区间，用于说明结果的精度。
除了进行亚组分析以说明结果的内部一致性，同时探索可能的异质性人群外，CHANCE2201还进行了多个敏感性分析，包括：将所有受试者用最终随访时间进行分析，而非删失于2023年6月30日；不调整混杂因素；用倾向性评分匹配法进行分析；剔除在靶免后3个月外接受TACE者，等等。主要分析和敏感性分析的结果一致。
5.讨论
CHANCE2201的讨论部分描述了文章存在局限性，但与大多数目前已发表的研究类似，CHANCE2201研究未对目标试验仿真本身存在的一些挑战进行详细讨论。
六、讨论
目标试验仿真已逐渐被真实世界研究所采纳。美国FDA在2024年3月的指导原则中明确提到，医药产品的非干预性真实世界研究中可以采用目标试验仿真等因果推断方法[17]。TARGET声明的推出，填补了目标试验仿真报告规范空白，必将推动观察性因果推断研究的透明化与可重复化，能为高水平临床证据的产生提供有力的支持。
TARGET声明适用于有明确研究假设的真实世界研究结果报告，涵盖医疗健康、公共卫生、药物 / 医疗器械真实世界证据生成等需量化验证与可重复呈现的领域，尤其适用于疗效对比、安全性评估、人群获益预测等，但暂不适用于无预设目标的探索性分析，也不涵盖真实世界数据清洗、标准化等过程性技术描述。其核心价值在于规范仿真结果的呈现逻辑，需与真实世界研究相关监管规范（如FDA真实世界证据框架[18]、我国监管部门相关指导原则[19]）协同使用。
与已被广泛使用的《加强流行病学观察性研究报告》（ strengthening the reporting of observational studies in epidemiology, STROBE）声明相比，两者在引言、结果和讨论等报告要求上具有相似性。但TARGET声明在方法学部分更强调如何基于手头数据对目标试验的要素进行落地，包括如何分组、如何确定零点时间等等，对敏感性分析提出了非常高的要求[20]。由于目标试验仿真本身是为了探究因果关系，因此TARGET声明也要求在讨论中对方法、假设等进行深入讨论，尤其是相关假设的合理性（如缺乏随机化带来的影响）。但一些STROBE中的重要条目并未在TARGET声明中被提及，如样本量计算问题。因此，在实际工作中，可考虑将两个声明结合使用。而CONSORT指南（consolidated standards of reporting trials）主要用于报告随机对照试验[21]，相关内容可以在撰写目标试验设计时加以参考。
声明仍存在一定局限性：当前框架对不同类型真实世界研究（如注册登记研究、电子健康档案类研究）的适配性不足，未充分考虑专科疾病（如罕见病、慢性病）对结果呈现的差异化需求；对真实世界纵向时序数据（如长期随访结局）的仿真结果动态呈现指导有限，难以完全覆盖时效性要求较高的突发公共卫生事件相关仿真场景；此外，该声明并不能用于评估研究产生的证据水平高低。
目标试验仿真研究具有重要应用价值。未来需继续完善其报告与评估框架，促进跨学科协作并推进整合人工智能的方法，并将目标试验仿真概念融入其他观察性研究设计[22]，有力推动利用观察性数据进行因果推断，提升医疗决策与公共卫生服务的质量。
参考文献
[1]Marshall G, Blacklock J W S, Cameron C, et al. STREPTOMYCIN treatment of pulmonary tuberculosis [J]. Br Med J, 1948, 2(4582): 769-82.
[2]孙博然, 芦文丽, 陈永杰. 纵向研究中控制未测混杂因素的因果推断方法研究进展 [J]. 中国卫生统计, 2023, 40(01): 149-52.
[3]Frieden T R. Evidence for Health Decision Making - Beyond Randomized, Controlled Trials [J]. N Engl J Med, 2017, 377(5): 465-75.
[4]国家药品监督管理局药品审评中心.药物真实世界研究设计与方案框架指导原则（试行）[EB/OL].(2023-02-06)[2026-01-02].https://www.cde.org.cn/main/news/viewInfoCommon/14aac16a4fc5b5841bc2529988a611cc
[5]黄丽红, 王永吉, 王素珍, et al. 倾向性评分方法及其规范化应用的统计学共识CSCO生物统计学专家委员会RWS方法学组 [J]. 中国卫生统计, 2020, 37(06): 952-8.
[6]Hernán M A, Robins J M. Using Big Data to Emulate a Target Trial When a Randomized Trial Is Not Available [J]. Am J Epidemiol, 2016, 183(8): 758-64.
[7]Cashin A G, Hansford H J, Hernán M A, et al. Transparent Reporting of Observational Studies Emulating a Target Trial-The TARGET Statement [J]. Jama, 2025, 334(12): 1084-93.
[8]Cashin A G, Hansford H J, Hernán M A, et al. Transparent reporting of observational studies emulating a target trial: the TARGET Statement [J]. Bmj, 2025, 390: e087179.
[9]Franklin J M, Patorno E, Desai R J, et al. Emulating Randomized Clinical Trials With Nonrandomized Real-World Evidence Studies: First Results From the RCT DUPLICATE Initiative [J]. Circulation, 2021, 143(10): 1002-13.
[10]Wang S V, Schneeweiss S, Franklin J M, et al. Emulation of Randomized Clinical Trials With Nonrandomized Database Analyses: Results of 32 Clinical Trials [J]. Jama, 2023, 329(16): 1376-85.
[11]Jin Z C, Chen J J, Zhu X L, et al. Immune checkpoint inhibitors and anti-vascular endothelial growth factor antibody/tyrosine kinase inhibitors with or without transarterial chemoembolization as first-line treatment for advanced hepatocellular carcinoma (CHANCE2201): a target trial emulation study [J]. EClinicalMedicine, 2024, 72: 102622.
[12]Altman D G, Simera I, Hoey J, et al. EQUATOR: reporting guidelines for health research [J]. Lancet, 2008, 371(9619): 1149-50.
[13]Moride Y, Abenhaim L. Evidence of the depletion of susceptibles effect in non-experimental pharmacoepidemiologic research [J]. J Clin Epidemiol, 1994, 47(7): 731-7.
[14]Hernán M A, Sauer B C, Hernández-Díaz S, et al. Specifying a target trial prevents immortal time bias and other self-inflicted injuries in observational analyses [J]. J Clin Epidemiol, 2016, 79: 70-5.
[15]Zhou J, You D, Chen M, et al. Association between incidence of hypomagnesemia and better prognosis of NSCLC: A case on the immortal time bias [J]. The Innovation Medicine, 2025, 3: 100124.
[16]Zhu H D, Li H L, Huang M S, et al. Transarterial chemoembolization with PD-(L)1 inhibitors plus molecular targeted therapies for hepatocellular carcinoma (CHANCE001) [J]. Signal Transduct Target Ther, 2023, 8(1): 58.
[17]U.S. Food and Drug Administration.Real-World Evidence: Considerations Regarding Non-Interventional Studies for Drug and Biological Products[EB/OL].(2024-03)[2026-01].https://www.fda.gov/regulatory-information/search-fda-guidance-documents/real-world-evidence-considerations-regarding-non-interventional-studies-drug-and-biological-products
[18]U.S. Food and Drug Administration.Framework for FDA's Real-World Evidence Program[EB/OL].(2018-12)[2026-01].https://www.fda.gov/media/120060/download
[19]国家药品监督管理局.真实世界证据支持药物研发与审评的指导原则（试行）[EB/OL].(2020-01-03)[2026-01-02].https://www.nmpa.gov.cn/directory/web/nmpa/xxgk/ggtg/ypggtg/ypqtggtg/20200107151901190.html
[20]von Elm E, Altman D G, Egger M, et al. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies [J]. Ann Intern Med, 2007, 147(8): 573-7.
[21]Hopewell S, Chan A W, Collins G S, et al. CONSORT 2025 statement: updated guideline for reporting randomised trials [J]. Bmj, 2025, 389: e081123.
[22]Zhou J, Feng G. From emulation to evidence: The concepts, limitations, and prospects of TTE and TARGET [J]. The Innovation Medicine, 2025, 3: 100172.
