由来自苏格兰阿伯丁大学的玛丽·约翰斯顿(Marie Johnston)和德里克·约翰斯顿(Derek Johnston)撰稿
从业者经常想要得到针对一个人、一个医疗团队、一家医院或一个地区等问题的答案。例如，了解一个肥胖的男人多久吃一次零食，何时何地吃零食，以及压力是否会使情况变得更糟可能是很重要的。或者你可能想知道医疗团队成员忽略手卫生，频率如果他们人手不足时是否情况会更糟，还有，病房的宣传是否对这种情况有所改善。或者您可能正在调查临床错误的来源，以检查这些错误在某些病房或某些级别的工作人员中是否更常见。或者，在政策层面上，调查一项新的规定，比如公共场所的禁烟令是否影响了吸烟率，可能是很有价值的。
你可以试着通过询问人们的想法或记忆来回答这些问题，但最好在关键时刻和地点提出或观察，以避免偏见和遗忘的问题。最近的技术进步，如使用智能手机进行数字监控，使得实时跟踪正在发生的事情变得更加容易，一项单病例随机对照试验的研究为你回答问题提供了可能性。
当问题可以反复评估以观察随时间的变化时，可以进行单病例随机对照试验的研究。然后我们可以描述这个问题，并检验在某些条件下它是好是坏。或者可以引入新的干预或治疗，并评估其是否具有所预期的效果。
对所收集数据的最简单评估是观察图表上的趋势，如下图所示。这是任何单病例随机对照试验分析中的一个重要步骤，并且是非常充分的。此外，还有更多用于单病例随机对照试验研究的统计分析方法。更复杂的方法还在继续发展（例如，评估动态变化的方法）。
使用单病例随机对照试验研究来评估问题
你可以进行一项研究，以评估问题的严重性、频率或随时间变化的模式。在图1中，焦虑评分虽然随时间而变化，但从中可能发现一个模式。当出勤率也被记录下来时，观察到的模式显示了周末和五个工作日之间的差异，可能表明工作人员在工作中会焦虑，而不是在家。这些信息有助于为患者选择最佳治疗方法。例如，跟踪一位垂死妇女的情绪和一天中的时间，可以发现用来改善抑郁情绪的模式。
在这些单病例随机对照试验研究中收集的信息可能超出了描述问题的范围，这有助于解释观察到的情况。在某些情况下，从业者可能有一个关于什么影响观察到的问题的理论，并且有可能测试该理论对观察到的现象的解释有多好。在这名垂死的妇女的案例中，追踪她的思想和活动，证实了她的情绪受思想影响的理论，而批判性的思想则与清晨的活动有关。
图1：使用单变量随机对照试验研究来描述一个问题：焦虑等级用蓝色表示，红色工作日超过24天
使用单变量随机对照试验研究评估重大事件或者日常事件是否改善或恶化了问题
自然发生或计划发生的事件，如家人死亡或婚礼、健康信息的媒体广播、工厂关闭，甚至天气，都可能改善或恶化问题。在图2中的假设性说明中，关于某一医疗状况（如“流感”）的咨询在一周内大大增加，而此前有一个关于该主题的电视广播表明，这种增加并非由于即将发生的流行病，而且在未来，当医疗状况成为新闻头条时，卫生服务部门可能会预期到咨询服务的增加。一项英国医院情景统计的单变量随机对照试验分析显示，体育赛事的影响——在1998年世界杯期间与重要足球比赛有关的心脏病住院人数有所增加。
图2：使用单变量随机对照试验来评估一个事件的影响：每天大约有40次关于流感的咨询，直到电视广播（蓝色箭头所示）似乎会导致咨询率的提高。
使用单变量随机对照试验评估干预或治疗是否达到预期效果
单变量随机对照试验可用于制定新的干预措施，包括临床和政策干预措施。在图3的假设例子中，一个肥胖的病人每天大约吃7次零食；在红色箭头指示的干预下（可能是零食的自我监控），快餐迅速减少到每天2次。
类似的方法可以用来研究一个国家的吸烟情况，并且评估政策变化（如公共场所的禁烟）的影响，例如国家政策如何影响吸烟。
以某医院为例，介绍了单变量随机对照试验方法在干预效果评价中的应用。他们评估了2001年至2006年期间延迟报告不良事件的问题，发现虽然延迟情况各不相同，但对他们的患者安全方案来说是有问题的，并且没有随着时间的推移出现改善的迹象。2007年和2008年，引入了一个确认良好业绩的计划，从而减少了随后几年的延误，并说明了这种确认如何改进及时报告。
图3：使用单变量随机对照试验评估干预效果：前15天显示从第16天开始的零食自我监测频率（红色箭头所示）导致零食减少
挑战
数据收集可能具有挑战性。频繁的重复测量可能会带来负担，并可能导致数据丢失。目前，包括智能手机、可穿戴设备和传感器在内的价格合理的数字和移动技术的快速发展，使数据收集变得更加容易和可靠。
实用性建议
- 在实际情况中使用单变量随机对照试验
- 描述和评估一个问题，
- 评估干预或事件的影响。
- 评估一个问题或一些重要的事情，这些问题或事情可以随着时间的推移反复评估。
- 使用描述性方法（如图表）或统计方法解释数据。
- 提供免费的智能手机应用程序，用于收集自我报告数据。
[由吴映秋博士和朱宇航博士共同翻译]
