Collaborative study designs (CSDs) that combine individual-level data from multiple independent contributing studies (ICSs) are becoming much more common due to their many advantages: increased statistical power through large sample sizes; increased ability to investigate effect heterogeneity due to diversity of participants; cost-efficiency through capitalizing on existing data; and ability to foster cooperative research and training of junior investigators. CSDs also present surmountable political, logistical and methodological challenges. Data harmonization may result in a reduced set of common data elements, but opportunities exist to leverage heterogeneous data across ICSs to investigate measurement error and residual confounding. Combining data from different study designs is an art, which motivates methods development. Diverse study samples, both across and within ICSs, prompt questions about the generalizability of results from CSDs. However, CSDs present unique opportunities to describe population health across person, place and time in a consistent fashion, and to explicitly generalize results to target populations of public health interest. Additional analytic challenges exist when analysing CSD data, because mechanisms by which systematic biases (e.g. information bias, confounding bias) arise may vary across ICSs, but multidisciplinary research teams are ready to tackle these challenges. CSDs are a powerful tool that, when properly harnessed, permits research that was not previously possible.

中文翻译：

---

流行病学研究的协作，汇总和统一研究设计：挑战与机遇

协作研究设计（CSD）结合了来自多个独立贡献研究（ICSs）的个人水平数据，由于其许多优势，它们变得越来越普遍：通过大量样本增加统计能力；由于参与者的多样性，提高了对影响异质性进行调查的能力；通过利用现有数据来提高成本效益；以及促进初级研究人员合作研究和培训的能力。可持续发展委员会还面临着巨大的政治，后勤和方法上的挑战。数据协调可能会导致减少一组通用数据元素，但是存在机会利用ICS中的异构数据来调查测量误差和残留混杂。结合来自不同研究设计的数据是一门艺术，它激发了方法的发展。各种研究样本 无论是在ICS内还是在ICS内部，都提示有关CSD结果可推广性的问题。然而，可持续发展委员会提供了独特的机会来以一致的方式描述跨人，跨地点和跨时间的人群健康状况，并将结果明确归纳为针对公共卫生关注人群。分析CSD数据时，还存在其他分析挑战，因为在ICS中，可能导致系统性偏差（例如，信息偏差，混杂偏差）的发生机制有所不同，但是多学科研究团队已准备好应对这些挑战。CSD是一个功能强大的工具，如果加以适当利用，则可以进行以前无法进行的研究。以一致的方式安排时间和地点，并将结果明确归纳为针对公共卫生利益人群的结果。分析CSD数据时，还存在其他分析挑战，因为在ICS中，可能导致系统性偏差（例如，信息偏差，混杂偏差）的发生机制有所不同，但是多学科研究团队已准备好应对这些挑战。CSD是一个功能强大的工具，如果加以适当利用，则可以进行以前无法进行的研究。以一致的方式安排时间和地点，并将结果明确归纳为针对公共卫生利益人群的结果。分析CSD数据时，还存在其他分析挑战，因为在ICS中，可能导致系统性偏差（例如，信息偏差，混杂偏差）的发生机制有所不同，但是多学科研究团队已准备好应对这些挑战。CSD是一个功能强大的工具，如果加以适当利用，则可以进行以前无法进行的研究。