基于临床试验与真实世界数据开发并验证外部对照臂方法的博士项目

项目概览

该博士项目由牛津大学 Botnar Research Centre 提供，属于 DPhil in Clinical Epidemiology and Medical Statistics。

研究主题是利用真实世界医疗数据开发并验证外部对照臂（external control arms, ECAs）方法。

项目为 3.5 年制，目标是回答真实世界数据能在多大程度上重现完成临床试验的结论。

公开信息显示，该项目面向全球申请者，申请截止时间为 2026 年 12 月 1 日 12:00。

项目详情

项目介绍中提到，随机对照试验（RCT）之所以被视为医疗干预评估的金标准，是因为随机化提供了最强的因果推断基础。但现实中，传统 RCT 并不总是可行：成本可能过高，招募可能困难，也可能因为实际操作或伦理原因而无法实施。因此，越来越多研究开始考虑外部对照臂，即治疗组来自临床试验本身，而对照组来自试验之外收集的数据。项目正是在这一背景下展开，重点评估基于观察性真实世界数据构建的 ECA 是否能可靠支持疗效估计。

项目明确指出，ECA 面临的主要挑战包括混杂、选择偏倚、结局测量差异以及试验入组标准无法完整捕捉等问题。因此，ECA 的有效性不仅取决于因果推断方法是否合适，也取决于底层数据的丰富程度和质量。围绕这一点，博士研究将使用英国电子健康记录（EHR）数据，把 ECA 推导出的治疗效应与已完成的随机试验结果进行基准比较；在存在参与者级数据联结的情况下，还会评估将试验参与者与电子健康记录相联结后，是否能进一步改善协变量获取、结局捕获、随访完整性与混杂控制。

研究内容还将扩展到纵向治疗路径，而不是只看单一治疗点。项目明确提到治疗中断、治疗切换和不依从等情形，说明真实世界里的治疗过程会比理想化试验更复杂。方法上，博士将评估时变治疗和时变混杂下的因果推断方法，包括 marginal structural models、G-computation 和 G-estimation。也就是说，这不是单纯做数据匹配，而是要系统检验不同因果方法在复杂临床路径中的稳健性。

项目预期产出是形成一套关于何时可以用真实世界数据构建可信外部对照的经验性证据，并说明这些方法如何支持未来临床试验设计、监管决策以及卫生技术评估。这个方向高度贴近临床流行病学、真实世界证据和监管方法学，研究结果的应用对象也很明确，不只是学术论文，还包括试验规划和政策判断。

导师、学校与培养

主导师为 Dr. Martí Català Sabaté，联合导师包括 Prof. Daniel Prieto-Alhambra、Dr. Trishna Rathod-Mistry、Dr. Anna Saura Lazaro 与 Dr. Sofia Massa，均与牛津大学 NDORMS / Botnar 相关。团队背景覆盖健康数据科学、流行病学、因果推断与真实世界证据，适合处理临床试验与电子病历联结这类复杂问题。

训练方面，项目会在牛津 Botnar Research Centre 的 Health Data Sciences Section 体系下推进。学生将接受流行病学、生物统计学、常用数据模型、因果推断和真实世界证据方法的训练，第一学期还会修读包括数据分析的核心课程，并须参加NDORMS两天统计与实验设计课，为后续研究打基础。学生需要定期参加系内研讨会与 Health Data Sciences Section 的双周组会，并参加外部会议展示研究。项目也明确提到可以与多个国内外合作方密切合作，包括 Harvard University、Universitat Autonoma de Barcelona、Erasmus Medical Centre，以及监管机构 UK MHRA 和 European Medicines Agency，另有产业合作方。

申请程序

申请者应拥有或预期获得相关学科的一等或二等一学士学位或同等学历，并需提供英语能力证明（如适用）。项目说明写明，DPhil 或 MSc by research 将于 2027 年 10 月开始，申请进入 D.Phil in Clinical Epidemiology and Medical Statistics，课程代码为 RD_NNRA1。

申请要点

• 学术背景：相关学科的学士学位，通常要求一等或二等一荣誉，或同等学历。
• 研究兴趣：外部对照臂、真实世界数据、临床试验方法、因果推断、真实世界证据、监管科学。
• 方法偏好：电子健康记录、纵向治疗路径、时变治疗与混杂、marginal structural models、G-computation、G-estimation。
• 培养与资源：Health Data Sciences Section、Botnar Research Centre、NDORMS 课程体系、国内外学术与监管合作网络。
• 申请流程：先联系相关导师登记兴趣，必要时联系 departmental Education Team（graduate.studies@ndorms.ox.ac.uk）了解正式申请要求。
• 项目安排：3.5 年制；DPhil 或 MSc by research 预计于 2027 年 10 月开始；申请方向为 D.Phil in Clinical Epidemiology and Medical Statistics（RD_NNRA1）。
• 申请时间：2026 年 12 月 1 日 12:00 截止；申请通道在 9 月中旬开放。
• 语言要求：需要满足英语能力证明要求。
• 资助性质：Competition Funded PhD Project（Students Worldwide）。
• 联系方式：Dr. Martí Català Sabaté、Prof. Daniel Prieto-Alhambra、Dr. Trishna Rathod-Mistry、Dr. Anna Saura Lazaro、Dr. Sofia Massa。

证据与费用

现有2026年资料尚未确认本题独立官方NDORMS项目页；项目计划、导师、2027年10月开始与12月1日12:00截止仍须院系确认，时区未给。3.5年项目计划并非保证42个月个人资助。相关论文的原文阅读深度未明确，早期Botnar试验模拟课题是研究基础，不是本题已经完成的验证。

2027—28课程海外全日制学费为每年GBP 36,260，单人生活费估计每月GBP 1,475—2,175。院系奖助面向各国竞争；Medical Sciences通用最低覆盖可能只到本地费率，部分奖项才覆盖较高海外费，不能据此确认本题全额海外资助。个人津贴、期限、奖项名称及费用责任须正式说明。英语和中国学历等值按官方个案要求认定，具体分数、豁免及签证责任仍待确认。

需要进一步确认

• 正文没有写明具体奖学金金额或生活津贴标准。
• DPhil 与 MSc by research 都被提及，但项目最终录取路径会以学校官方安排为准。
• EHR 数据与试验参与者级联结是否适用于所有研究场景，公开信息未完全展开。

PhD 项目深度调研报告：使用临床试验与真实世界数据开发并验证外部对照组方法

申请判断

申请判断：有吸引力，但需要核实匹配度。

这是一项很强的牛津/Botnar 机会，适合能把医学统计、流行病学、因果推断和真实世界健康数据工程结合起来的申请者。学校和课程信号都很强，而导师环境在外部对照组方法上尤其成体系：真实世界证据、OMOP/common data models、DARWIN EU、纵向建模、临床试验统计以及面向监管的健康数据科学，都能在公开简介和团队页面中找到明确对应。

实质性不确定性在于本题正式信息。现有2026年资料尚未确认Botnar-2026-03的独立官方NDORMS项目页；公告题名、3.5年项目、五位导师、2027年10月开始及2026年12月1日中午截止，仍须向院系或主导师确认。通用官方资料支持课程环境、资金竞争路径、申请要求、国籍层面的国际资格和费用，但尚未确定个人津贴、奖项名称、海外费覆盖、基准RCT、EHR权限及联结审批。3.5年项目计划不等于个人保证42个月资助。

研究方向与领域前景

领域动向

External control arms 是当前很活跃、但方法风险也很高的方向。关于 Target Trial Emulation for External Comparator Studies 的 2024 年文章强调，RWD comparator 必须与假设中的随机试验明确对齐，包括 eligibility、assignment、time zero、outcomes、follow-up 和分析。关于 RWE and External Control Arms 的监管综述则指出，在随机对照不可行时，external controls 确实可能有价值，但其可信度高度依赖数据相关性、终点捕获、缺失情况、混杂和选择偏倚的控制。另一篇关于 External Control Arms for Rare Diseases 的综述也得出类似判断：如果没有敏感性分析和更广泛的证据体系，仅靠 external controls 往往不够稳健。

因此，这个项目拟定的验证逻辑是合理的：不是简单构造 external controls，而是先检验基于 EHR 构建的 ECA 能否复现已完成 RCT 的结果，再进一步评估 participant-level linkage 是否能改善协变量识别、结局捕获、随访完整性和混杂控制。

潜在研究切口

最可信的博士切口大致有四类。

1. 基准验证：确定一组已完成 RCT，在 EHR 数据中复原 eligibility 和 outcome definitions，并将 ECA 推导的 treatment effects 与试验估计值比较。

2. 联结价值：量化 participant-level trial-to-EHR linkage 相比独立的历史对照或常规医疗 comparator 队列，究竟多带来了什么。

3. 时变治疗路径：将研究从基线 treatment assignment 扩展到 discontinuation、switching 和 non-adherence，并使用 marginal structural models、G-computation 或 G-estimation 处理。

4. 证据诊断：建立一套透明标准，判断某个 ECA 在时间对齐、终点质量、缺失数据敏感性和未测混杂压力测试方面，是否足以支持监管或 HTA 使用。

已有案例也说明这件事并不容易。关于 External Controls in IPF 的研究比较了试验、登记研究和 EHR-derived controls。Crohn's disease 的 EHR 试点 Ustekinumab EHR External Control Arm 显示常规数据确实有帮助，但也暴露出基线数据缺失和研究对齐困难。2026 年关于 Trials Augmented by External Controls 的方法论文强调了 estimand 和 estimator 选择，而 2026 年关于 Selection Bias in Real-World Controls 的系统综述则指出，真实世界对照研究普遍存在报告不足和时间对齐不清的问题。

职业与市场前景

职业信号整体较强。这个题目可以通向 pharmacoepidemiology、RWE、临床试验方法、监管科学、HTA、CRO/pharmaceutical evidence generation、NHS/health-system analytics，以及学术型因果推断方法研究。导师环境与 DARWIN EU 的连接尤其有现实意义，因为 EMA 的 DARWIN EU programme 本身就代表着该领域正在形成的监管数据基础设施。

但职业上限取决于能否做出可复用、透明的方法学成果，包括代码、诊断、敏感性分析，以及对 EHR-derived controls 何时失效、何时成立的清晰解释。

学校、学科与培养

官方 DPhil in Clinical Epidemiology and Medical Statistics 与本项目直接匹配。Oxford 将该课程描述为研究型项目，核心内容覆盖流行病学、医学统计、临床试验、真实世界健康数据、AI、卫生经济学和研究方法。课程页还说明，学生会在 Botnar Research Centre 的研究组中工作，加入导师团队，制定 training-needs plan，参加研讨会和 journal clubs，并接受项目定制的研究训练。

Oxford 的整体信号非常强。Times Higher Education 将 Oxford 列为 2026 年全球综合第 1、Medical and Health 第 1。Oxford Medical Sciences 自己的 at-a-glance page 也显示出很大的体量：数以千计的研究生、每年超过 7 亿英镑的科研收入，以及很高的年度发表产出。QS Medicine 2026 将 Oxford 排在全球第 2；英国 REF 2021 UoA2 profile 也支持其在公共卫生、卫生服务和基层医疗方面的强势环境。

本题课程、院系和研究环境，与外部对照、试验模拟、RWD、医学统计和卫生技术评估的方法需求直接重叠。公告训练包括流行病学、生物统计、常用数据模型、因果推断及RWE，首学期含数据分析，另须两天NDORMS统计与实验设计课、部门研讨和Health Data Sciences双周组会。会议经费有限；合作机会包括Harvard、Universitat Autonoma de Barcelona、Erasmus Medical Centre、UK MHRA、EMA及产业，不代表保证个人访问或实习。

导师与课题组评估

导师研究方向

这个项目最强的部分是导师组合。

Marti Catala Sabate 的公开简介明确提到常规采集健康数据、common data models、分布式分析，以及在 DARWIN EU 中承担研究与实现工作。Dani Prieto-Alhambra 是 Professor of Pharmaco- and Device Epidemiology，也是 Botnar Health Data Sciences 负责人，同时担任 EMA DARWIN EU Coordination Centre 副主任；其简介还写明，他在开发和验证面向监管真实世界证据的分析工具方面承担领导角色。Trishna Rathod Mistry 是这个题目在纵向方法部分最直接的匹配者，她的简介突出复杂纵向模型、时变治疗、时变混杂、marginal structural models 和 propensity-score methods。Anna Saura Lazaro 提供了临床流行病学和真实世界证据深度。Sofia Massa 则补上 OCTRU 的临床试验统计和大规模人群研究经验。

实验室和资源环境也比较可信。Pharmaco- and Device Epidemiology group 页面列出了规模较大的健康数据科学团队、real-world-data summer school 主题、代表性 RWD 论文，以及包括 CSM、OHDSI、EHDEN、Erasmus MC 和 SIDIAP 在内的合作方。OxInfer 页面则专门描述了 DARWIN EU 分析流水线，从 phenotype development 一直到 dissemination tools。

相关文献与早期项目基础

相关证据有三条。引用论文的原文阅读深度尚未确定；旧Botnar课题提供研究基础，而非另一篇原创论文。

试验模拟研究

Catala 参与的 target-trial-emulation 工作：Observational Methods for COVID-19 Vaccine Effectiveness Research。这篇论文与本项目的直接关系在于，项目本身就计划用 RWD 估计结果去对照已完成的试验证据。

监管报告与影响

Prieto-Alhambra 团队近年的监管与 RWE 报告工作，包括 Canadian Guidance for Reporting RWE for Regulatory and HTA Decision-Making 和 Regulatory-Action Time-Series Methods。它们不完全等于 external control arms，但足以说明这个团队处理的是决策级 RWE，而不是只做学术性的观察性流行病学。

早期Botnar项目基础

Botnar 此前一个官方项目 emulating and extending randomized trials using routinely collected European data 使用了高度重叠的导师组合，并明确讨论了 benchmark-expand-calibrate 的逻辑。这使当前 ECA 题目更像既有方法学和数据项目的延续，而不是临时提出的一次性选题。

实验室、资源与合作环境

从公开记录看，Health Data Sciences、OMOP、分布式分析、DARWIN EU、pharmacoepidemiology 和 OCTRU statistics 这些关键资源都在场。真正缺的是项目级授权信息。公开页面并未说明会使用哪些已完成 RCT、哪些英国 EHR 数据集已经可以使用、participant-level trial-to-EHR linkage 是否已获批，或者学生最终接触的是个体级数据、联邦式代码执行、汇总输出，还是混合模式。

这一点很关键。对这个 DPhil 来说，数据获取方式不是附带问题，而是直接决定 thesis 是否可做、能做到多深的核心条件。

资助、申请与生活成本

资助是最大的现实不确定性。项目说明把该机会标记为面向全球学生的 竞争性资助。对中国申请者来说，这在资格层面是正面信号，但不等于资金已经有保证。

NDORMS Funding 说明，院系向任何国籍的优秀申请者提供 fully funded DPhil studentships，覆盖费用并提供 Research Council-rate 生活津贴，但选拔是在整个 Division 范围内竞争进行。Medical Sciences Division Funding 也写明，无论国籍都可能获得 full funding，但最低覆盖通常以 Home-fee rate 为基础，且 many awards 会覆盖更高的 overseas fees。这里真正需要注意的是，落到这项具体资助上，是否覆盖海外学费差额仍需逐项确认。

官方课程费用并不低。Oxford course page 对 2027-28 学年的 overseas fees 标价为每年 36,260 英镑，同时给出单人全日制学生在 Oxford 的生活成本范围为每月 1,475 至 2,175 英镑。对国际申请者来说，拿到覆盖 overseas fees 的全奖，和只拿到仅覆盖本地学费标准的资助，差别是实质性的。

申请流程方面，Oxford 课程页和 Medical Sciences 的 How to Apply 页面都支持先联系导师，再通过官方在线系统提交申请。Oxford 的 Graduate International Qualifications 页面列出了针对中国申请者的成绩要求；English Language Proficiency 页面列出标准英语要求；国际申请者还应查看 Oxford Visas and Immigration。

本题要求已取得或预计取得相关学科一等或二等一BSc，或同等学历，并在适用时提供英语能力证明。指定申请为DPhil in Clinical Epidemiology and Medical Statistics（RD_NNRA1）。公告列9月中旬开放申请、2027年10月开始；通用说明同时提到DPhil或MSc by research，本题是否有MSc替代路径仍须院系确认。

申请者匹配与准备

最适合的申请者

较适合的背景包括统计学、生物统计学、流行病学、医学统计、卫生经济学、定量公共卫生、临床试验、pharmacoepidemiology、健康数据科学，或具有较强定量证据的医学及相关健康学科背景。

最有说服力的申请证据通常包括：基于 health records、claims、registry、trial 或 linked data 的 R/Python 分析；因果推断的课程或研究经历；survival/time-to-event 与纵向建模经验；可复现代码；缺失数据处理；以及对临床试验终点和偏倚的清晰理解。

需要谨慎的情况

如果申请者希望做的是 wet-lab biomedical research，或者数据科学背景偏通用、缺少健康数据和因果方法支撑，就需要更谨慎。如果还不能清楚说明 trial eligibility、treatment assignment、time zero、outcome definitions 和 follow-up 应如何在 EHR 数据里被镜像出来，也说明匹配度还不够稳。

有临床背景的申请者依然可以有竞争力，但需要拿出扎实的定量训练证据。纯统计背景的申请者也可以匹配，但需要足够理解 clinical trials 和 health data 场景，避免把 ECA validation 误做成泛化的预测或建模练习。

需要补强的技能与证据

优先补强的方向包括：

• 因果推断：target-trial emulation、propensity scores、weighting、marginal structural models、G-computation、G-estimation；
• 纵向与生存分析，尤其是 time-varying exposures 和 confounders；
• EHR/claims/common-data-model 工作经验，特别是 OMOP、phenotype validation 和 missing-data diagnostics；
• 试验方法：protocol interpretation、endpoints、eligibility criteria、treatment switching、non-adherence 和 follow-up；
• 监管与 HTA 素养：理解什么样的证据对决策真正有说服力，以及哪些敏感性分析能揭示剩余不确定性。

风险与待核实问题

高优先级问题

1. NDORMS 或主导师能否提供正式的 Botnar-2026-03 项目页或 PDF，并确认 2026 年 12 月 1 日中午截止？

2. 该 studentship 由哪个 competition 资助？年津贴是多少？是否为国际申请者全额覆盖 overseas fees？

3. 哪些已完成的 RCT 会被用作 benchmark？是否能拿到 protocols、baseline characteristics、individual participant data 或汇总试验输出？

4. 项目将使用哪些英国 EHR 数据集？这些数据是否已映射到 OMOP 或其他 common data model？学生将通过什么路径访问？

5. participant-level trial-to-EHR linkage 是否已经获批，还是 linkage 本身就是博士阶段的主要风险？

中优先级问题

1. 日常导师是谁？因果方法、数据工程、临床试验统计和监管解释将如何分工？

2. 该 studentship 是否要求完整研究计划，还是只要求排序后的项目选择加 statement of purpose？

3. 第一年的里程碑是什么：一个 benchmark trial、一个方法比较、一个可复用 pipeline，还是一篇文献/方法综述加 feasibility study？

4. 如果 EHR-derived ECAs 无法复现 RCT 结果，项目将如何定义成功？

5. 药物流行病学、RWE、因果推断或临床试验方法会议的培训和差旅预算大概是多少？

证据与来源

项目与申请

• DPhil in Clinical Epidemiology and Medical Statistics
• Medical Sciences Division: How to Apply
• Botnar DPhil and MSc by Research
• Oxford Graduate International Qualifications
• Oxford English Language Proficiency

资助、费用与签证

• NDORMS Funding
• Medical Sciences Division Funding
• Oxford Visas and Immigration

导师与研究环境

• Marti Catala Sabate
• Dani Prieto-Alhambra
• Trishna Rathod Mistry
• Anna Saura Lazaro
• Sofia Massa
• Pharmaco- and Device Epidemiology Group
• OxInfer

排名与机构背景

• THE University of Oxford Profile
• Oxford Medical Sciences Division at a Glance
• QS Medicine 2026
• REF 2021 UoA2

领域与论文证据

• Target Trial Emulation for External Comparator Studies
• RWE and External Control Arms
• External Control Arms for Rare Diseases
• External Controls in IPF
• Trials Augmented by External Controls
• Selection Bias in Real-World Controls
• Ustekinumab EHR External Control Arm
• Observational Methods for COVID-19 Vaccine Effectiveness Research
• Canadian Guidance for Reporting RWE
• Regulatory-Action Time-Series Methods
• EMA DARWIN EU