Each language version is independently generated for its own context, not a direct translation.
这篇文章讲述了一个关于**“科学界的二手市场”的故事，但这里的“商品”不是旧衣服，而是临床试验的原始数据**。
想象一下，制药公司（比如强生公司）为了测试新药，花钱花精力做了几百个大型实验（临床试验）。这些实验收集了成千上万病人的详细数据。过去，这些数据就像被锁在保险柜里的秘密，只有当初做实验的那群科学家能看。
但这篇研究探讨的是：如果把保险柜打开，让外面的科学家也能进来看看这些数据，会发生什么？ 他们利用这些数据做了哪些新研究？这些新研究有什么价值？
1. 故事背景：YODA 项目——一个“数据图书馆”
这就好比耶鲁大学建立了一个特殊的**“数据图书馆”**（叫 YODA 项目）。强生公司把他们的临床试验数据整理好，放在这个图书馆里。
- 原来的主人（内部科学家）： 就是当初做实验的那群医生和研究员。他们当然有优先权，随时可以来图书馆查阅资料，写论文。
- 外面的客人（外部科学家）： 其他大学的教授、独立研究员。他们只要申请，经过审核，也能进入图书馆，利用这些数据做全新的研究。
2. 研究发现：图书馆里发生了什么？
研究人员统计了从 2021 年底之前开放的 336 个临床试验数据，看看大家利用这些数据写了多少篇新论文（也就是“二次研究”）。
📊 数量惊人：
- 这 336 个实验总共催生了 1,167 篇 新论文！
- 其中，79% 是原来的“主人”写的（内部论文）。
- 但还有 21% 是“外面的客人”写的（外部论文）。
- 关键点： 虽然一开始主要是“主人”在写，但随着时间推移（过了 10 年），“客人”写的论文比例越来越高，甚至后来超过了主人。这说明数据就像陈年老酒，越放越香，外面的科学家能挖掘出越来越多的新价值。
🔍 大家都在做什么不同的研究？（有趣的分工）
这就好比在一个厨房里：
- 原来的主人（内部科学家） 更像是在**“复盘”。他们拿着数据，仔细检查当初实验的每一个副作用，看看药在不同人群里效果有没有细微差别，或者有没有没注意到的风险。他们关注的是“这个药到底安不安全、准不准”**。
- 外面的客人（外部科学家） 更像是在**“搞发明”。他们不局限于原来的实验目的，而是把好几个实验的数据拼在一起**（就像把几块拼图拼成一张大图），用来：
- 预测谁得病风险高（预测模型）。
- 发明新的数学公式来算风险（开发新算法）。
- 验证新的统计方法好不好用。
- 比喻： 如果原实验是“种了一棵树”，内部科学家在研究“这棵树长得好不好”；外部科学家则是在研究“能不能用这棵树的叶子做新药”或者“能不能用这棵树的生长规律来预测森林火灾”。
3. 这些新论文的影响力如何？（谁更受欢迎？）
研究人员比较了这两类论文在科学界的表现：
外部论文（客人写的）：
- 发在更高级的杂志上： 它们更容易发表在影响力更大的期刊上。
- 网络热度更高： 在社交媒体、新闻上的讨论度（Altmetric 分数）更高。
- 原因： 因为它们经常把多个实验数据合并，样本量大，结论更“硬”，听起来更酷，所以更吸引眼球。
- 缺点： 每年被引用的次数稍微少一点点，被写进“临床指南”（医生看病时的操作手册）或“政策文件”里的频率也低一点点。
内部论文（主人写的）：
- 被引用更多： 因为发表得早，大家看得多，引用得也多。
- 更受官方重视： 医生制定治疗指南、政府制定政策时，更倾向于引用这些由原班人马写的、经过反复验证的“官方结论”。
简单总结： 外部科学家的研究像**“创新的火花”，发在高级杂志上，很吸睛，推动了新方法的发展；内部科学家的研究像“基石”，虽然没那么花哨，但更扎实，直接指导了医生怎么治病。两者缺一不可**。
4. 结论：为什么要开这个“图书馆”？
这篇论文告诉我们一个很重要的道理：
把临床试验数据公开，不是“浪费”，而是“增值”。
- 物尽其用： 病人参与临床试验，不仅是为了当时的新药测试，他们贡献的数据还能在未来几十年里，被全世界的科学家反复利用，产生新的知识。
- 互补共赢： 原班人马和外部科学家就像**“守成者”和“开拓者”**。守成者确保药的安全有效，开拓者用同样的数据发现新规律、发明新工具。
- 未来方向： 这种“数据共享”的模式（像 YODA 项目）非常成功。它证明了，只要建立好规则（比如保护隐私、审核申请），把数据大门打开，科学进步的速度会大大加快，也能避免重复造轮子（不用每次都重新花钱做同样的实验）。
一句话总结：
这篇研究就像在说，把锁在保险柜里的科学数据拿出来，让全天下聪明的大脑一起用，不仅能写出更多好文章，还能让医学进步得更快、更聪明。 病人参与实验的价值，因此被无限放大了。
Each language version is independently generated for its own context, not a direct translation.
这是一份关于《评估共享临床试验数据的二次使用及其科学影响：基于 YODA 项目平台的横断面研究》（Assessing the Secondary Use and Scientific Impact of Shared Clinical Trial Data: A Cross-Sectional Study of Clinical Trials Shared on the YODA Project Platform）的论文详细技术总结。
1. 研究背景与问题 (Problem)
- 核心问题：虽然共享临床试验个体参与者数据（IPD）被广泛认为能促进透明度、可重复性和二次研究，但关于数据共享计划产生的长期科学影响、二次研究的特征以及外部研究人员（非原研究团队）的贡献程度，目前仍缺乏全面的评估。
- 现有挑战：数据共享面临数据滥用、隐私泄露、知识产权担忧以及维持数据共享基础设施的高昂成本等挑战。
- 研究缺口：此前仅有少数研究（如 DIG 试验）评估了外部研究人员利用共享数据产生的科学产出。需要更全面的证据来量化数据共享平台的科学价值，特别是比较原研究团队（内部）与外部研究人员（外部）在二次研究中的产出差异、研究目标及影响力。
2. 研究方法 (Methodology)
- 研究设计：横断面研究（Cross-sectional study）。
- 数据来源：耶鲁大学开放数据访问（YODA）项目平台。
- 研究对象：
- 入选标准：截至 2021 年 12 月 31 日在 YODA 平台上可获取 IPD 的强生（Johnson & Johnson）赞助临床试验；且必须有原研究团队发表的完整同行评审主要结果论文（Primary Publication）。
- 最终样本：336 项符合条件的临床试验。
- 二次出版物识别：
- 通过 Web of Science 数据库检索引用主要论文的记录（检索时间截至 2025 年 6 月 30 日）。
- 经过标题/摘要筛选及全文审查，排除评论、社论、会议摘要及未使用 IPD 的研究。
- 最终纳入 1,167 篇二次出版物。
- 分类定义：
- 内部二次出版物 (Internal)：至少有一名作者也是主要论文的作者，或隶属于强生公司。
- 外部二次出版物 (External)：不符合上述条件的独立研究人员。
- 分析指标：
- 特征：发表时间、研究目标（如比较有效性、预测模型等）、分析类型（单一试验分析 vs. 汇总分析）。
- 科学影响力指标：期刊影响因子（JIF）、年引用次数、年 Altmetric 注意力分数、Mendeley 读者数、是否被临床指南或政策文件引用。
- 统计方法：使用 Mann-Whitney U 检验比较连续变量，卡方检验（或蒙特卡洛模拟）比较分类变量。
3. 主要发现 (Key Results)
A. 二次出版物的数量与时间分布
- 总体产出：336 项试验中，78.9%（265 项）至少产生了一篇二次出版物，共计 1,167 篇。
- 内外比例：内部出版物占绝大多数（82.1%，958 篇），外部出版物占 17.9%（209 篇）。
- 时间趋势：
- 主要论文发表后的前 5 年（-3 年至 +2 年），所有二次出版物均为内部发表。
- 外部发表比例随时间显著增加：在第 11 年及以后，外部出版物占比超过 50%。
- 内部出版物通常在主要论文发表后 3.3 年内发表，而外部出版物平均滞后 9.9 年。
B. 研究特征与目标差异
- 分析类型：外部出版物更倾向于汇总分析（Pooled Analyses，72.2% vs 55.7%）。
- 研究目标：
- 外部研究人员更专注于：预测或预后建模（51.7% vs 33.6%）、统计模型/算法开发（28.7% vs 11.9%）、现有方法验证（15.3% vs 6.9%）。
- 内部研究人员更专注于：比较有效性分析（58.8% vs 39.7%）、不良事件特征描述、非主要终点疗效评估。
- 数据获取途径：在报告了数据获取机制的外部出版物中，84.7% 是通过数据共享平台（主要是 YODA 项目）获取数据，而非直接联系原研究者。
C. 科学影响力对比
- 期刊质量：外部出版物发表在影响因子更高的期刊上（中位数 6.7 vs 4.6）。
- 社会关注度：外部出版物的年 Altmetric 注意力分数更高（中位数 2.1 vs 0.6）。
- 引用情况：
- 年引用次数：外部出版物略低（中位数 2.7 vs 3.4）。
- 指南与政策引用：外部出版物被临床指南（11.4% vs 29.2%）和政策文件（7.6% vs 25.6%）引用的比例显著低于内部出版物。
- Mendeley 读者数：两者无显著差异。
4. 关键贡献 (Key Contributions)
- 量化了数据共享的长期价值：证实了通过 YODA 平台共享数据能产生持续且大量的二次研究，且外部研究人员的贡献随时间推移显著增加，延长了临床试验的科学寿命。
- 揭示了互补的研究模式：内部研究侧重于原试验的疗效和安全性再评估，而外部研究侧重于方法学创新、预测模型构建和跨试验汇总分析。这种互补性表明数据共享不仅验证了原结果，还拓展了新的科学领域。
- 评估了外部研究的科学地位：尽管外部研究在指南引用率上较低（可能受发表时间和研究性质影响），但它们在更高影响力的期刊发表，并获得了更高的社会关注度，证明了其科学价值。
- 验证了结构化平台的必要性：绝大多数外部研究通过正式的数据共享平台（如 YODA）获取数据，而非直接联系，突显了建立独立、透明、可持续的数据共享基础设施的重要性。
5. 意义与结论 (Significance & Conclusions)
- 科学意义：数据共享不仅促进了透明度，还通过允许独立研究人员进行互补性研究（如预测建模和统计方法开发），显著提升了临床试验数据的科学产出。
- 政策启示：
- 应继续支持并发展结构化的数据共享机制（如 YODA、Vivli），以最大化临床试验数据的长期价值。
- 数据共享有助于减少重复试验，节约患者和赞助方的资源。
- 尽管外部研究在指南引用上暂时较少，但其高影响因子发表和广泛的网络关注度表明其正在成为科学界的重要组成部分。
- 局限性：研究仅限于强生赞助的试验；依赖引用检索可能遗漏未引用主要论文的二次研究；单审稿人筛选可能存在遗漏。
总结：该研究有力地证明了通过 YODA 项目等结构化平台共享临床试验数据，能够激发原研究团队和外部研究人员共同产生大量高质量的二次研究。外部研究人员虽然介入时间较晚，但通过汇聚数据开展预测性研究，取得了与内部研究相当甚至更高的期刊影响力和关注度，从而显著增强了临床试验数据的整体科学影响力。