真實世界數據是大量但非常細小的數據，而「大量的真實世界數據」和「大 量適切的真實世界數據」存在差異。大量適切的真實世界數據才能產出可 靠性高的證據。因此，一個設計與執行良好的真實世界研究，才能收集到 適切且高品質的真實世界數據，進而產生可靠的真實世界證據。建立流程 如下圖所示：
收集真實世界數據前應先自問，目的為何？欲回答什麼問題？數據收集是 為了解決特定問題，因此清楚且具體的研究目標設定非常重要。在收集數 據前，應先制定研究計畫書，敘明研究設計、執行與採用的統計分析方法 等重要細節，如此能有效避免選擇性報告，並有效防範研究人員傾向於報 告對自己有利之結果。
計畫書應詳加規劃數據來源，納入與排除條件須符合醫學診斷常規，且所 收納之受試者應足以代表目標族群，事先定義要收集的重要數據變項，尤 其主要評估指標須能適切反應藥品治療的臨床效益。若有正式假說檢定，
則所收集的試驗族群人數宜有檢定力之考量。
依據計畫書所採集之數據為原始真實世界數據(raw data)，需經過處理後 才能進行分析。數據處理的步驟包含數據清理(clean)、數據轉換(transform) 與數據串聯(link)。
數據清理：意指發現並糾正數據中之可識別錯誤。檢查數據是否有異常 超出正常範圍，是否有重複，或數據是否有遺漏。評估數據收集過程中 可能發生的錯誤，包含數據之輸入、測量與合併等。建議事先制定數據
清理程序，根據預先設定好的標準來檢驗數據並刪除錯誤數據。數據清 理完成應擬訂相關報告，說明數據完整性及所偵測到之錯誤。
數據轉換：目的是將數據轉換成通用格式，通用表達方式(如專有名詞、
編碼等)，使數據成為適合進一步統計分析之數據格式。步驟包含將數據 集(dataset)轉換為通用數據模型(data model)，數據去標識化，對記錄的 數值進行標準化，對臨床事件進行分類，對缺失數據進行插補，及使用 演算法來計算複合或匯總變項(composite or summary variables)等。原始 數據轉換過程應完整記錄，包括轉換目的、歷史用途、轉換決策、所採 用的轉換方法等。
數據串聯(link)：目的是藉由數據串聯來連結個別病人記錄在不同數據 庫之數據，以增加數據豐富性與完整性，或結合不同數據來源之病人以 增加樣本數。數據串聯過程須完整記錄，包含不同來源間之數據不一致 處(例如：個別病人在兩個不同數據來源之同一時間同一變數之紀錄不 同)，及比較不同數據庫的關鍵差異，包括測量方法、選擇偏差及數據標 準等。若真實世界數據來自多個不同醫療照顧系統(例如不同國家)，則 應考量不同醫療照顧系統間數據差異，及其他醫療照顧系統之數據能否 提供足夠的數據可靠性(data reliability)及數據關聯性(data relevance)，來 提供我國病人使用藥品的真實世界證據。
真實世界研究結果是否可信，是否可推論到目標治療族群，最重要的關鍵
在於數據收集之研究設計與統計分析之適切性，及執行須遵循法規單位的 要求。唯有按照計畫書所設定的標準來收集數據，處理數據，才能獲得高 度相關、可靠且符合特定用途的真實世界數據。