回归、线性回归、Poisson回归和Cox比例风险回归等。值得注意的是，大多数回归模型用于估计相对效应值。针对存在层次结构的数据可考虑多水平模型，针对存在重复测量的数据可考虑广义线性混合效应模型和广义估计方程。但在应用这些模型的时候，仍需考虑其模型的模型假设以及模型适用性。

（三）倾向性评分分析方法

倾向性评分分析是目前观察性研究中因果推断常用的分析方法，是一种针对较多混杂因素的调整方法，尤其适用于暴露因素常见而结局事件罕见的研究，或者有多个结局变量的研究。常见的倾向性评分应用方法包括倾向性评分匹配法，倾向性评分分层法，逆概率加权法，以及将倾向性评分作为唯一协变量纳入统计模型进行调整分析的方法。其中，倾向性评分的匹配和分层法在医疗器械临床评价的真实世界研究中已有较为成熟的应用。

值得注意的是，若使用倾向性评分方法，应首先在统计分析计划中，预先指明用于建立倾向评分模型的变量，以及对模型拟合优度和预测效果进行判断的标准；在对基线指标建立倾向评分模型时，应保持对结局指标的“盲态”，避免根据结局指标重新调整倾向评分模型，从而获得“理想”或“预期”结果的情况。

应用倾向性评分进行效应估计时，需判断倾向性评分接近的患者在不同处理组间的协变量分布是否均衡，报告使用倾向性评分之前和之后的结果，考虑倾向性评分处理后可能对研究结果造成的影响，例如，用倾向性评分匹配后可能导致的估计精度降低（因样本量下降）；或使用倾向性评分加权时，个别极大权重的样本可能对分析结果造成较大影响等。

倾向性评分方法仅能处理可观测到的混杂因素，不能控制研究中未采集的混杂因素可能带来的潜在影响，建议研究中针对评价结果进行合理的解读和讨论，并开展可能的定量分析。