(一) 建立真實世界證據之評估
建立真實世界證據須先對欲解決的問題提出研究假設 與目標，擬定適當的研究設計與統計分析方法，依照研究
設計來蒐集現存的或即將產生的適當真實世界數據，執行 數據分析，方可產生符合研究目標的分析結果。若欲以真 實世界數據/證據來支持特定法規要求，應先針對預期法規 用途(例如：新適應症申請、仿單修改、安全性評估等)，及 相關臨床背景(包括：疾病的盛行率、治療的效果和安全性、
先前證據等)，評估是否適合採用真實世界數據/證據。其次，
必須考量真實世界數據與預期法規用途之關聯性、真實世 界數據之可靠性，以及將真實世界數據轉化成真實世界證 據之研究設計的適當性與研究執行的嚴謹度。
真實世界證據的品質是其可否作為藥品登記審核決定 依據之關鍵。可藉由在產生或評估真實世界數據/證據的過 程中，以下三個問題的回覆，來評估真實世界證據之品質。
1. 真實世界數據的適用性(fit for use)：選用的真實世界數 據是否適合用於回答所提出的法規問題？
2. 研究設計的適切性：用於產生真實世界證據的研究設計，
是否適當且能提供「充分的科學證據」，以回答所提出 之法規問題？
3. 研究執行的合規性：研究方法與執行是否遵循法規單位 的相關要求？例如：數據蒐集與研究監測。
真實世界研究結果是否可信，是否可推論到目標人群，
最重要的關鍵在於數據蒐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 定的標準來蒐集數據，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。
以下段落將分別說明真實世界數據之特徵及建立流程、
真實世界數據之適用性及真實世界證據之研究設計。對於 真實世界研究之執行是否合乎法規，目前國內及國際間法 規單位尚無定論，不屬本指引探討範圍。但基本上可參照 ICH E6 (Good Clinical Practice)及藥品優良臨床試驗準則的 精神。
(二) 真實世界數據來源
真實世界數據來源可為電子病歷或電子健康紀錄、全 民健康保險資料庫或其他健康保險給付資料庫、疾病或藥 品登記資料庫、生物資料庫(biobank)、死亡登記檔案等；也 可為經由病人產生之健康數據資料(例如：居家生理監測資 料)、或穿戴裝置產生之數據等。這些數據來源各有優勢，
例如：電子病歷或電子健康紀錄、疾病登記資料庫、健康 保險給付資料庫，均包含豐富臨床照護數據。而電子健康
裝置資料因其屬性可提供大量且持續性之數據。為了回答 欲探討的問題，可能需要蒐集不同來源的真實世界數據，
因此須了解各種數據來源之優點與限制，並且了解不同來 源的數據如何互補，以及自不同的真實世界數據來源中蒐 集高品質數據的機制。
對於蒐集不同來源之真實世界數據之處理模式，目前 國際有兩種趨勢，其一為建立協同真實世界數據來源之整 合數據系統(centralized data)，例如美國 FDA 針對醫療器材 的 National Evaluation System for Health Technology (NEST)，
或建立協作整合之組織，如美國 NIH Collaboratory。
另 一 種 數 據 來 源 處 理 模 式 為 分 散 式 數 據 (distributed data)模式，例如美國 FDA Sentinel system，即是使用來自 多個健康保險體系，以及醫療體系的電子病歷或電子健康 紀錄資料，藉由協作中心彙整資料，用以分析並評估藥品 上市後安全性。日本醫藥品醫療機器綜合機構 (PMDA)也 有 類 似 的 計 畫 (Medical Information Database Network ； MID-NET project)，透過協作中心定期且即時蒐集和彙整計 畫內醫療組織之真實世界數據。雖然是分散式系統，但仍 需有共通數據格式(common data model format)，以確保數據
傳輸之一致性且可用於分析。
(三) 結構性與非結構性數據及其標準化
真實世界數據形式可能為結構性或非結構性。結構性 數據是指具有高度組織性及具有格式化特徵之數據，其產 生通常需要先定義數據標準格式，才能輸入數據。反之，
非結構化數據係指不具有組織性，或缺乏事先定義數據模 式之資料，無法直接對數據進行解構或串聯。
例如：健康保險給付資料庫、電子病歷或電子健康紀 錄之疾病診斷碼(ICD codes)項目或實驗室檢驗項目，均屬於 結構性數據；而電子病歷或電子健康紀錄中的病歷資料、
病理報告、影像檢查報告則屬於非結構性數據。
無論數據來源形式為結構性或非結構性，都應經過蒐 集 整 理 (data curation) 及 一 定 程 度 數 據 標 準 化 (data standardization)。數據標準化之目的為提供一致性的數據架 構，以有效統整並管理臨床數據。藉由將原始數據轉成通 用數據格式，並針對數據如何形成、交換及傳輸，定義通 用標準，以達到數據標準化。針對數據項目來自多種數據 來源時，經數據標準化方可匯集不同來源之真實世界數據，
進而進行分析。
若多個真實世界數據來源系統，都使用通用格式及登 錄標準，標準化作業相對簡單而不複雜。此情況下，使用 不同數據集(dataset)連結同一病人紀錄時，即可串檔使用，
例如健康保險給付資料庫與癌症登記檔，數據集彼此可串 檔使用。
若多個真實世界數據來源為不同格式的系統，則數據 標準化相對複雜，須於研究設計時謹慎規劃數據標準化作 業，先建立標準化格式，以確保數據結果一致性與正確性。
數據標準化作業包括建立數據集模板(datasets templates)、訂 定變項標準名稱與單位，及設定轉換運算之標準方法等。
若真實世界數據來源屬非結構性，例如電子病歷或電 子健康紀錄，應盡可能選擇數據中較能蒐集整理(curation) 並能標準化評估及互相連結之變項，且須注意不同醫院間 電子病歷或電子健康紀錄資料系統差異。
(四) 真實世界數據之建立流程
真實世界數據是大量且多樣的數據，而「大量的真實 世界數據」和「大量適切的真實世界數據」之間存在差異。
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，才能蒐集到適切且
高品質的真實世界數據，進而產生可靠的真實世界證據。
(Data accrual)
數據處理
關細節，將會於後續公告的指引作進一步的建議。