研究者和組織通常利用來自隨機對照試驗 (randomized controlled trial, RCT) 的證據，判定某種治療在理想狀態下的療效，但觀察性設計的試驗，則用來測量某種介入在非實驗性的「實際狀況」下的療效。有時探討相同主題的RCT和觀察性試驗，會得到不同的結果。本次文獻回顧旨在探討這些試驗結果的差異，是否與試驗設計本身或其他試驗特性有關。
本次文獻回顧摘述方法學文獻回顧的結果，比較探究相同問題的觀察性試驗和隨機試驗所得結果，以及比較各類型觀察性試驗所得結果。
本次文獻回顧的主要目的，在於評估試驗設計 (包括RCT和觀察性試驗設計 [例如世代試驗和個案對照設計]) 對估計測量值的影響，並探討可以解釋任何差異的方法學變數。
我們搜尋多個電子資料庫和相關論文的參考文獻清單，找出專為進行方法學文獻回顧而設計的系統性文獻回顧，相對於觀察性試驗，比較介入療效測量試驗的定量效果量估計值。我們也評估所納入文獻回顧的偏差風險。
我們所得結果顯示，只有少許證據指出觀察性試驗和RCT的療效估計，具有顯著差異，無論特定的觀察性試驗設計、異質性、藥物試驗的納入條件，或使用傾向分數調整。在探討導致RCT和觀察性試驗的結果缺乏一致性的原因時，仍須考慮試驗設計本身以外的因素。
我們分析所有文獻回顧 (綜合ROR為1.08)，結果發現執行方式類似的文獻回顧所報告的結果非常相似。因此我們也得到類似的結論；一般而言，少有證據顯示觀察性試驗和RCT之間的效果估計值，具有顯著差異，無論特定的觀察性試驗設計、異質性或藥物介入試驗的納入條件。在探討導致RCT和觀察性試驗的結果缺乏一致性的原因時，仍須考慮試驗設計本身以外的因素。我們所得到的結果強調，文獻回顧作者除了考慮試驗設計，也必須考慮RCT或觀察性試驗後設分析的異質性極為重要。更深入瞭解這些因素對試驗效果的影響，或許能產生足以反映真實效果的估計量。
研究者和組織通常利用來自隨機對照試驗 (randomized controlled trial, RCT) 的證據，判斷某種治療在理想狀態下的療效。採觀察設計的試驗，通常用於測量某種介入在「實際狀況」中的療效。療效比較研究則採取許多試驗設計或改良既有的設計，包括隨機試驗和觀察性試驗，試圖精準估計某種治療對於某特定族群，是否較另一種治療更有效或更安全。
必須針對所有類型的隨機和非實驗性觀察試驗的試驗設計特色、偏差風險、參數解讀和效果量 (effect size)，進行系統性的分析，找出設計類型和潛在偏差的具體差異。本次文獻回顧摘述方法學文獻回顧的結果，包括比較探究相同問題的觀察性試驗和隨機試驗的結果，以及比較各類型觀察性試驗的結果。
評估試驗設計 (包括RCT和觀察性試驗設計) 對估計效果量的影響。
探索可能與任何差異有關的方法學變項。
確認既有比較試驗設計的研究差距。
本次文獻回顧搜尋7個電子資料庫，自1990年1月起至2013年12月為止。
除了MeSH名詞和相關關鍵詞以外，我們採用兼顧敏感度－特異性的有效策略，找出PubMed中的文獻回顧，使用1個名詞 (論文標題中的「文獻回顧」) 加強搜尋，以便更適當鎖定敘述性的文獻回顧。本次文獻回顧並未設定語言限制。
我們檢視專為進行方法學文獻回顧而設計的系統性文獻回顧，相對於觀察性試驗，比較介入療效測量試驗的定量效果量估計值。所進行的比較包含RCT和觀察性試驗 (包括回溯性世代試驗、前瞻性世代試驗、個案對照設計和橫斷式 [cross-sectional] 設計)。至於比較隨機試驗和其他採用某種同時分配 (concurrent allocation) 試驗的文獻回顧，則不符合本次文獻回顧的納入條件。
一般而言，結果測量包括相對風險或率比 (RR)、勝算比 (OR) 和危險比 (HR)。我們以得自觀察性試驗的結果作為參照組，檢驗已發表的估計值，瞭解其對勝算比的比值 (ROR) 是否具有較大或較小的影響。
我們匯集每篇納入文獻回顧的觀察性試驗和RCT估計值 (若未提供觀察性試驗和RCT的估計比較結果)，然後再以觀察性試驗為參照類別，估計各篇納入文獻回顧的率比 (風險比或勝算比)。我們整合所有納入文獻回顧的這些比值，取得RCT和觀察性試驗的ROR比較結果。
我們在第一次搜尋時就找到4406項唯一參考文獻 (unique reference)。有55篇文獻回顧符合納入條件；其中有14篇文獻回顧納入定量分析。
我們所納入的文獻回顧，分析來自1583項後設分析 (meta-analysis) 的資料，涵蓋228種不同的醫學疾病。每篇論文平均納入178項試驗 (範圍介於19項至530項之間)。
有11篇 (73%) 文獻回顧的條列式試驗篩選準則 (explicit criteria) 偏差風險偏低；有9篇 (60%) 文獻回顧的試驗主持人試驗篩選一致性 (investigators' agreement) 偏差風險偏低；有5篇 (33%) 文獻回顧包含完整的試驗樣本；有7篇 (47%) 文獻回顧評估納入試驗的偏差風險；
有7篇 (47%) 文獻回顧控制各試驗間的方法學差異；
有8篇 (53%) 文獻回顧控制各試驗間的異質性；有9篇 (60%) 文獻回顧分析相似的結果測量值；有4篇文獻回顧 (27%) 經判定通報性偏差風險偏低。
我們的主要定量分析包含14篇文獻回顧，結果顯示RCT和觀察性試驗的綜合ROR比較效果為1.08 (95% [CI] 為0.96至1.22)。在本次分析所納入的14篇文獻回顧中，有11篇 (79%) 文獻回顧發現觀察性試驗和RCT並無顯著差異。有1篇文獻回顧指出觀察性試驗的關注效應較大 (effects of interest)，有2篇文獻回顧指出觀察性試驗的關注效應相似。
與所有納入文獻回顧所得效果相似，比較RCT和世代試驗的文獻回顧顯示，綜合ROR為1.04 (95% CI為0.89至1.21)，具有相當高的異質性 (I2= 68%)。有3篇文獻回顧比較RCT和個案對照設計的效果 (綜合ROR為1.11 [95% CI為0.91至1.35])。
異質性、藥物介入或傾向分數 (propensity score) 調整子群體的點估計 (point estimate)，並無顯著差異。並無文獻回顧針對採用2種最常見因果推論法 (causal inference method) (工具變數 [instrumental variable] 和邊緣性結構模型 [marginal structural model]) 的試驗，比較RCT和觀察性試驗。
翻譯者：臺北醫學大學實證醫學研究中心
本翻譯計畫由衛生福利部補助經費，臺北醫學大學實證醫學研究中心、台灣實證醫學學會及東亞考科藍聯盟(EACA)統籌執行