随机对照试验（RCT）虽为证据金标准，但其严格纳入标准限制了结果的外部效度，难以反映中医药在复杂临床情境下的真实表现。真实世界研究（RWS）通过收集常规诊疗数据，弥补了这一不足，尤其适用于评估中药复方在长期用药中的安全性与有效性。然而，RWS缺乏随机化，易受混杂因素干扰。
在RWS中，选择偏倚与混杂偏倚是主要挑战。例如，病情较轻的患者可能更倾向于接受中药治疗，导致疗效被高估。此外，处方习惯、医生经验及患者依从性等非干预因素均可能影响结局。传统回归模型难以完全消除这些未测量混杂因素的影响，导致因果推断的准确性下降。
为控制偏倚，研究者需引入先进的因果推断统计方法。倾向性评分匹配（PSM）、逆概率加权（IPTW）及工具变量法（IV）等技术，可在观察性数据中模拟随机化效果，平衡组间基线特征。同时，利用电子病历大数据进行长期随访，有助于捕捉罕见不良反应与远期疗效，提升证据的外部效度。
尽管RWS价值巨大，但其数据质量参差不齐，缺失值与测量误差问题突出。因此，建议结合RCT与RWS的优势，采用混合方法设计。在RCT基础上嵌入RWS，或先通过RWS生成假设再经RCT验证。同时，建立标准化的中医药真实世界数据收集规范，确保数据的一致性与可比性，为政策制定与临床实践提供坚实依据。