用电子病历做观察性研究，RECORD清单该查哪些环节？

用电子病历或医保数据做观察性研究，稿件最容易省掉的不是统计模型，而是“这批人究竟怎样从数据库里被找出来”。RECORD 是对 STROBE 的扩展，专门补充常规收集健康数据研究的报告要求。投稿前不能只说“数据来自某平台，纳入符合诊断条件的患者”；入组代码、记录链接与清洗过程会影响读者对偏倚的判断。

把数据库来源和研究人群分开写

电子病历最初为了诊疗而记录，医保数据可能为了结算而收集；它们并非按论文问题建立的理想队列。先说明资料覆盖的机构、时间、人群与记录用途，再说明研究如何从中定义暴露、结局和随访。读者需要看出数据库里哪些人有机会被纳入，哪些人因缺记录或条件限制从一开始就不在抽样框里。

例如研究要比较两种药物的住院风险，若只选连续参保一年者，这一年内离开保险系统的人就不在分析中。这个限制可能让结果更适用于稳定参保人群，而不是所有用药患者。论文应把选择标准和适用范围连起来，不能把大样本量当作代表性的保证。

列出识别病例的代码与核验依据

RECORD 的原始条目要求详细列出用于筛选研究人群的代码或算法；若不能完整公开，要解释原因。仅写“按国际疾病分类诊断”并不足够，因为一个诊断码、重复出现的多个诊断码或住院加门诊记录的组合，可能找出不同的人。正文或补充材料要让读者知道使用了哪一版编码、什么组合规则、观察窗口多长。

若识别算法曾被验证，引用对应研究并说明它是否用于相似的数据库和人群；若验证是这次研究完成的，就报告方法与结果。若没有做过验证，也要如实写出这一点及可能的误分类风险。不能把外地医院的高准确率直接借来证明本数据库的病例识别可靠。结局事件的代码定义也应按同样原则核对，避免只在入组环节透明。

数据链接和清洗过程要有数量轨迹

涉及两套数据库链接时，RECORD 建议用图或其他形式展示链接过程和每一步人数。稿件应交代用什么字段进行匹配、成功与失败的数量，以及如何评估链接质量。若链接由外部机构完成，可说明相关方法来源，但仍需让读者理解最终分析者拿到的是哪部分人。链接失败者可能与成功者不同，这种差异不应从流程图里消失。

清洗数据也不是一句“去除异常值”就能交代。重复记录如何处理、日期逻辑怎样检查、缺失字段如何判断、同一人的多次就诊如何归并，都可能改变估计结果。投稿前让负责抽取和分析的人一起检查方法段与流程数字；如果代码版本更新，重新导出人群数量，并同步摘要、表一和补充材料。

RECORD 帮助读者判断常规数据研究的可复查性，不替作者做数据质量保证。目标期刊若要求 STROBE 基础清单与 RECORD 扩展清单并交，应分别核对。最终要达到的是让另一个掌握相同资料权限的研究者理解“谁被选中、怎么被选中、哪些人没有进入分析”，而非仅展示一张很长的回归表。