实施科学：从有效干预到真实世界

破除误解#

临床试验可能在受训团队、稳定供应和严格入组条件下证明一种干预具有疗效。真实世界却有缺勤、停电、药品断供、语言差异、拥挤门诊、预算周期和互不兼容的信息系统。

实施科学研究的是：有效干预如何被采用、执行、适配、扩展并持续，以及为什么在某些环境中失败。

它不是在科学之后做宣传，而是研究证据与制度之间的因果机制。把实施科学误读成“多做几次培训”或“写一份推广手册”，会漏掉组织、筹资、治理与激励这些真正决定采用率的变量。

政策转化视角下，核心问题也不是“证据够不够硬”，而是：在既定法规、采购、编制与问责结构中，哪一条因果链会把证据卡死。实施科学因此与卫生政策分析共享对象——都是制度约束下的行为与资源流动——只是前者更强调可测量的实施结果与可复现的策略清单。

三类结果必须分开#

一项项目至少有三层结果：

• 临床或人群结果：死亡、症状、控制率、感染率是否改善。
• 服务结果：可及性、及时性、效率、安全与公平是否改善。
• 实施结果：接受度、采用率、忠实度、覆盖、成本与可持续性如何。

如果干预没有改善健康，原因可能是理论无效，也可能是根本没有被正确实施。没有实施测量，就无法区分。

Proctor 等人将实施结果进一步拆成可操作的维度（如采用、忠实度、渗透/覆盖、成本、可持续性），使“实施得怎么样”不再停留在叙事评价。政策评价若只报告人群结局而不报告这些维度，就无法判断失败发生在证据、交付还是制度接口。三类结果分离，是后续选择混合设计与过程评价的前提。

忠实度与适配不是敌人#

忠实度指实施是否保留干预的核心成分。适配指根据场景修改交付方式。

机械复制可能忽略本地语言、工作流和权力关系；无限适配又可能把有效机制改掉。

更好的做法是先写出：

• 哪些是不可改变的核心功能；
• 哪些形式可以调整；
• 谁有权决定适配；
• 适配何时发生、基于什么证据；
• 修改后如何重新评价。

例如，某类行为干预的核心可能是结构化步骤与反馈回路，而交付者、频率和媒介可以因地制宜——关键是把“功能”与“形式”分开记录，而不是把每一次本地修改都称为创新。

政策层面对应的问题是：中央指南规定的是最低功能标准，还是连表格字段都不可改？授权边界不清时，一线要么僵化执行，要么私下改写却不留痕迹，过程评价就会失真。

从瓶颈而不是方案出发#

实施研究常见错误是先买一个“解决方案”，再寻找它能解决的问题。

WHO/TDR 的实施研究流程强调先定位系统瓶颈：患者没有到诊，是距离、费用、信任、工作时间还是转诊规则？医护人员没有采用指南，是不知道、不认同、没时间，还是关键投入根本不可得？

不同瓶颈需要不同干预。给缺关键物资的机构做知识培训，不会改善服务行为。

瓶颈诊断应同时使用定量漏斗（从符合条件到完成服务的逐步流失）与质性机制（规则、激励、非正式规范）。政策工具箱里的审计反馈、提醒系统、任务重构或支付改革，只有对准特定机制时才可比较；否则研究比较的是标签，不是因果路径。

语境是一组可研究机制#

语境不应被写成“当地文化复杂”后便停止分析。

可研究的语境包括：

• 法规、筹资与采购制度；
• 组织层级和决策权限；
• 人力负荷、职业边界与激励；
• 社区信任、污名与语言；
• 基础设施、供应链和数据能力；
• 冲突、迁移、气候与季节冲击。

研究者要说明语境因素通过何种机制影响采用、执行和结果，哪些因素可改变，哪些只能适应。

CFIR（Consolidated Framework for Implementation Research） 把语境整理为可编码的结构：干预特征、外部背景、内部组织、个体特征与实施过程等域。更新版 CFIR 进一步强调中心与外围的关系、公平与反身性。其用途不是贴标签，而是迫使研究协议预先声明：哪些构念被测量、哪些假设把构念连到实施结果。没有构念层的语境描写，跨地点“失败故事”无法累积为可检验理论。

常用实施策略#

实施策略可能包括：

• 审计与反馈；
• 提醒和决策支持工具；
• 培训、督导与同伴学习；
• 任务转移和团队重构；
• 导航与社区卫生工作者衔接；
• 采购、支付和绩效激励改革；
• 共同设计与社区参与；
• 分阶段推广和持续质量改进。

“开展培训”不是完整策略。必须说明由谁、对谁、以何频率、用什么材料、如何监测掌握度和后续行为。

ERIC 等策略分类学的价值，在于让不同研究用可比名称报告“做了什么”，而不是各写一套修辞。政策文件若只写“加强能力建设”，实施科学会要求把它拆成可观察的行为、剂量（频次与强度，而非临床处方）、责任人与监测指标。策略选择应回指瓶颈与 CFIR 构念：对“不知道”与对“知道但做不到”的策略集合不同。

设计如何匹配问题#

实施科学可使用多种设计：

• 集群随机试验比较不同实施策略；
• 阶梯楔形设计让各集群按随机时序进入干预；
• 中断时间序列观察政策前后水平与趋势改变；
• 差分中的差分比较受影响与未受影响地区；
• 现实主义评价追问“什么在何种语境中对谁有效”；
• 混合方法把结果规模与执行过程放在一起。

随机化不是唯一标准。若政策已全国实施，研究重点可能是可信反事实、机制证据与异质性，而非强行制造实验。

设计选择应服从识别策略：要估计策略的平均效应，集群随机或阶梯楔形更合适；要评估一次性立法或报销目录调整，中断时间序列与合成控制往往更可行。无论哪种设计，预注册实施结果与过程指标，才能避免事后用“我们其实在做实施研究”来合理化模糊报告。

效果—实施混合设计#

混合设计同时研究干预效果与实施过程：

• I 型以效果为主，同时收集实施信息。
• II 型同时检验效果和实施策略。
• III 型以实施策略为主，同时观察临床或人群结果。

选择取决于干预证据成熟度。若疗效尚不确定，过早研究大规模实施会把未知干预迅速扩散；若疗效明确而采用率极低，只重复小型疗效试验也浪费资源。

Curran 等对混合设计的分层，本质是资源配置规则：在证据光谱的不同位置，把有限样本与现场负担分配给“还不知道是否有效”还是“不知道如何在系统中运转”。政策资助若忽视这一分层，容易出现两类浪费——证据不足却全国铺开，或证据充分却反复资助小型效力重复。

覆盖的分母决定结论#

项目报告常说“90% 完成”，却不说明分母。

是所有符合条件者、被邀请者、到诊者，还是已开始服务流程者？每换一次分母，覆盖看起来都会更好。

RE-AIM 框架提醒研究者同时观察触达（Reach）、效果（Effectiveness）、采用（Adoption）、实施（Implementation）与维持（Maintenance）。尤其要比较未触达人群与参与者，否则项目可能扩大健康不平等。

RE-AIM 的政策用途在于防止“试点成功学”：只报告参与者中的效果，却不报告触达偏差与组织层采用率。评价报告应同时给出个体层与设置层（诊所、学区、辖区）的分母。维持维度则把时间拉长到常规预算周期之后——项目基金结束后指标是否回落，是可持续性的硬检验，而不是满意度问卷的软表述。

扩展不是把规模乘十#

试点由研究团队亲自维护，扩展则交给常规系统。规模上升会改变培训、采购、监督、信息反馈和政治关注。

扩展前应回答：

1. 单位成本是否随规模下降，还是因边远地区上升？
2. 稀缺专业人员能否被替代或支持？
3. 供应链能否承受需求波动？
4. 地方单位有多少自主适配空间？
5. 质量下降到什么阈值应暂停？
6. 项目资金结束后谁承担经常性成本？

可持续性不是“永远不变”，而是系统能持续提供核心功能并随环境调整。

规模化（scale-up）研究区分垂直扩展（嵌入政策与预算）与水平扩展（复制到更多地点）。WHO/ExpandNet 等框架强调：可扩展性取决于干预复杂度、系统吸收能力与资源需求曲线，而不是试点效应量本身。政策决策应把“能否扩展”写成可证伪的先决条件清单；清单不满足时，正确动作是限缩范围或先改系统约束，而不是继续堆试点。

共同生产与权力#

让社区参加一次咨询会，不等于共同设计。

参与应明确谁能设定问题、解释数据、决定适配和拥有成果。患者、基层人员与社区组织拥有研究者看不到的实施知识，但参与也可能增加无偿劳动或由少数代表垄断发言。

研究预算、时间表和治理结构要为实质参与留出资源。

共同生产若没有决策权配置，就只是合法性装饰。实施科学要求把参与写成可审计的治理条款：哪些决定必须共决、异议如何记录、数据归谁、退出权如何保障。否则“社区参与”会变成又一项无法测量忠实度的模糊策略。

一个可执行的研究模板#

1. 定义目标人群与健康问题。
2. 画出当前服务流程和流失节点。
3. 用定量与质性证据确认主要瓶颈。
4. 写出干预核心功能和可适配形式。
5. 选择明确、可复现的实施策略。
6. 同时设定健康、服务和实施结果。
7. 预注册主要分析与过程评价。
8. 记录所有适配、成本和意外影响。
9. 与实施者共同解释结果。
10. 制定停止、修正、扩展或撤出的决策规则。

该模板是方法学清单，不是临床路径：它规定测量与决策程序，不规定任何具体诊疗方案或用药选择。把 CFIR 构念映射到第 3–5 步、把 RE-AIM 指标映射到第 6–8 步、把扩展门槛写入第 10 步，通常足以让协议具有可比性。

常见失败#

• 把低采用归咎于个人态度，不检查工作流和资源。
• 只报告平均效果，不看覆盖与公平。
• 试点高度依赖外部团队，却声称可持续。
• 在项目结束后才询问实施者意见。
• 只写“根据本地情况调整”，不记录改了什么。
• 用过程指标代替健康结果，或反过来完全不测过程。
• 把 CFIR/RE-AIM 当成装饰性引用，构念与数据字典从未对齐。
• 在系统约束未变时强行水平扩展，再用“文化差异”解释失败。

伦理边界#

实施研究发生在真实服务中，研究与质量改进的边界可能模糊。仍需考虑知情、隐私、公平选择、资源挤占和不良事件。

撤回无效项目也有伦理责任。持续投入一个没有效果、不可接受或加剧不平等的项目，不因其初衷良善而合理。

本文用于公共卫生教育，讨论实施与政策评价方法，不构成具体项目实施指引，也不提供任何临床诊疗或处方建议。

跨域连接#

• 道德风险：证据到实践的滞后常被引用为"平均 17 年、只有约 14% 的研究最终惠及患者"（Balas 与 Boren，2000）；这个数字后来被反复质疑，但它指向的问题是真的。委托—代理框架给出更精确的表述：付费方看不到医护人员的努力，只能盯住可测量的指标，于是绩效合同必然把行为拉向可测的那一面。可检验后果：引入某项指标之后，该指标改善而未被计入的维度退化，是常态而不是异常。
• 科层制：政策文本与实际执行之间隔着一线人员。李普斯基所说的"街头官僚"在时间、药品和人手都不够时，必须自行发明配给规则——先看谁、跳过哪一步、把哪份表格补在事后。这些应对策略才是真正生效的政策。 因此过程评价若只统计培训场次与手册发放量，会完整地漏掉政策实际的样子，也就无法解释它为什么没起作用。
• 国家能力：给缺关键投入的机构做知识培训不会改善服务行为，这句话的一般形式是：干预的效果被上游最紧的那个约束封顶。采购能否按时到货、工资能否按时发放、冷链能否维持、两套信息系统能否互认同一个服务对象——这些行政能力决定了任何服务干预的天花板。它也给出诊断顺序：先定位瓶颈再选策略，而不是先买方案再去找它能解决的问题。
• 社会网络分析：新做法的扩散沿着人际结构走，而不是沿着组织架构图走。谁被同事咨询、谁转诊给谁、谁排在同一张值班表上，构成了实际的影响路径。这产生一条可以事先检验的预测：同一机构内，指南采用率应当与单元在会诊网络中的位置相关；若不相关，说明阻力不在说服，而在资源、规则或激励。
• 循证医学：效力与效果的差距不是研究质量问题，而是两个不同的问题。试验测的是"在受训团队、稳定供应和严格入组下能否起作用"，实施研究测的是"在缺勤、断供和拥挤服务场景中还剩下多少"。没有实施结果的测量，健康结局没有改善这件事就无法归因——是理论无效，还是根本没被正确执行，这两者的对策完全相反。

参考文献#

1. World Health Organization/TDR. Implementation Research Toolkit, 2nd ed.
2. Proctor, E. et al. “Outcomes for Implementation Research.” Administration and Policy in Mental Health, 2011.
3. Damschroder, L. et al. “The Updated Consolidated Framework for Implementation Research.” Implementation Science, 2022.
4. Glasgow, R. E. et al. “RE-AIM Planning and Evaluation Framework.” Frontiers in Public Health, 2019.
5. Curran, G. M. et al. “Effectiveness-Implementation Hybrid Designs.” Medical Care, 2012.

延伸阅读#

• health-systems-universal-health-coverage：把实施瓶颈放回筹资、治理和服务网络。
• infectious-disease-modeling-surveillance：监测如何形成持续反馈。
• vaccine-policy-programs-hesitancy：用行为与社会驱动框架诊断接种缺口。