发布时间
纽卡斯尔-渥太华量表( NOS) 是一种基于星级的评分工具，用于评估系统评价和荟萃分析中非随机研究的方法学质量。该量表分为队列研究版和病例对照研究版。一项研究在三个领域获得星级评分，最高分为九星。本指南将逐项讲解两个版本，逐星评估一项假设的队列研究，展示如何在方法部分报告该量表，并阐述已发表文献中关于其可靠性和局限性的论述。
用简单的话
纽卡斯尔-渥太华量表对队列研究或病例对照研究进行评分，最高可达九星。评分依据包括：选择合适的研究组（选择）、确保各组特征一致（可比性）以及测量研究结果（队列研究中的结局，病例对照研究中的暴露）。星级越高，表明论文中存在的设计缺陷越少。该量表并未说明效应的大小，其自身文件也未设定“好”或“差”的界限。
纽卡斯尔-渥太华尺度测量的是什么？它是谁建造的？
渥太华医院研究所将纽卡斯尔-渥太华量表描述为一种评估非随机研究（例如病例对照研究和队列研究）质量的工具，可用于系统评价和荟萃分析。该量表源于澳大利亚纽卡斯尔大学和加拿大渥太华大学的合作。该研究所指出，该量表的来源为Wells GA、Shea B、O'Connell D、Peterson J、Welch V、Losos M和Tugwell P合著的《纽卡斯尔-渥太华量表（NOS）用于评估荟萃分析中非随机研究的质量》，并提供编码手册和评分表的下载。
该量表采用星级评分系统。每项研究均从三个方面进行评判，即研究组的选择、组间的可比性以及对目标暴露或结局的确定。同一页面指出，内容效度和评分者间信度已得到验证，而效标效度、评分者内信度和结构效度仍在评估中。最后这句话对于星级总分的权重至关重要，后续章节将再次提及。
以下两点至关重要。首先，NOS 评估的是整个研究，而非单一结果。其次，它是为非随机化的观察性研究设计的。如果您的综述包含随机对照试验，则需要使用不同的工具。我们的系统评价质量评估工具指南按研究设计对各种工具进行了比较。
纽卡斯尔-渥太华尺度结构：三个域，九颗星
两个版本采用相同的架构。根据评分表，一项研究在“选择”类别和“结果”类别（队列研究版本）或“暴露”类别（病例对照研究版本）中，每个编号项目最多可获得一颗星。“可比性”类别最多可获得两颗星。四个选择项目、一个最高两颗星的可比性项目以及三个结果或暴露项目，两个版本总共可获得九颗星。
两种研究设计的区别在于第三个方面。队列研究的评判标准在于如何评估和追踪结果，因为暴露因素在研究开始时是已知的。病例对照研究的评判标准在于如何确定暴露因素，因为结果在研究开始时也是已知的。如果您不确定某篇论文实际采用了哪种研究设计，我们关于队列研究和病例对照研究设计及其效应指标的解释文章将为您区分这两种设计。
队列版本逐项
下表重述了群体评分表。“星号”列列出了评分表中标有星号的回答，“无星号”列列出了其余回答。
| 域名 | 名称 | 获得一颗星 | 无星 |
|---|---|---|---|
| 选择 | 1. 暴露人群的代表性 | 真正代表社区中普通受感染人群的情况，或者说在某种程度上代表了他们的情况。 | 选定的用户群体（例如护士或志愿者）；未说明该群体是如何确定的。 |
| 选择 | 2. 选择未暴露人群 | 与暴露人群来自同一社区 | 取自其他来源；无描述 |
| 选择 | 3. 暴露情况的确定 | 安全记录（例如手术记录）或结构化访谈 | 书面自述；无描述 |
| 选择 | 4. 起始时未出现感兴趣的结果 | 是的，已证明 | 没有 |
| 可比性 | 1. 按设计或分析方法划分的队列可比性 | 最高两颗星。一颗星用于控制最重要的因素，另一颗星用于控制任何其他因素。 | 两者均无控制 |
| 成果 | 1. 结果评估 | 独立盲测或记录链接 | 自我报告；无描述 |
| 成果 | 2. 随访时间要足够长，以便观察结果。 | 是的，采用根据结果选择的适当随访期。 | 没有 |
| 成果 | 3. 后续跟进的充分性 | 完整的后续调查，或不太可能引入偏差的损失（损失人数少于选定百分比，或对损失者进行描述） | 后续跟进率低于设定的百分比，且未说明失访者的情况；无声明 |
逐项分析病例对照版本
病例对照研究表保留了相同的选择和可比性框架，但将结局指标替换为三个暴露因素。它还询问病例和对照组是否以相同方式处理，而队列研究中没有对应的问题。
| 域名 | 名称 | 获得一颗星 | 无星 |
|---|---|---|---|
| 选择 | 1. 病例定义是否充分？ | 是的，有独立验证 | 仅支持记录链接或自我报告；无描述 |
| 选择 | 2. 案例的代表性 | 连续的或明显具有代表性的一系列病例 | 可能存在选择性偏差，或未说明 |
| 选择 | 3. 控件的选择 | 社区控制 | 医院控制；无描述 |
| 选择 | 4. 控制的定义 | 无既往疾病史（终点） | 来源描述缺失 |
| 可比性 | 1. 通过设计或分析实现病例组和对照组的可比性 | 最高两颗星。一颗星代表最重要的因素，另一颗星代表任何其他因素。 | 两者均无控制 |
| 曝光 | 1. 暴露情况的确定 | 安全记录或结构化访谈，无需了解病例/对照状态 | 访谈未采用盲法；仅接受书面自述或医疗记录；无描述 |
| 曝光 | 2. 病例组和对照组采用相同的确定方法 | 是 | 没有 |
| 曝光 | 3. 无应答率 | 两组的比例相同 | 未回复者描述；评级不同且未指定 |
编码手册中影响你得分的规则
评分表很简短，大多数评分分歧都源于编码手册，因为手册中包含了评分表遗漏的规则。在任何人打开论文之前，其中一些规则都应该纳入你的审稿流程。
- 可比性需要设计或分析，而不是 p 值。 手册指出，研究设计中必须匹配各组，或者分析中必须对混杂因素进行调整；仅仅声称各组之间没有差异，或者差异不具有统计学意义，是不够的。如果相对风险（或病例对照研究中的优势比）已针对列出的混杂因素进行调整，则各组在调整中使用的每个变量上都被视为可比。
- 你选择“最重要的因素”。 表格中留有空白处，第二个可比性星级可以与特定的第二个因素相关联。请在协议中固定这两个选项，以便每位评分者都使用相同的列表。
- 随访时长在评估前确定。 手册指出，在开始质量评估之前，应确定一个可接受的观察时间，并以乳房植入物暴露五年为例。同样的逻辑也适用于随访充分性评估中的保留率。
- 结果证据取决于结果。 对于髋部骨折，查阅病历即可确认，但椎骨骨折需要参考 X 光片。
- 死亡率研究仍然要求“无既往疾病史”。 对于死亡结果而言，感兴趣的结果仍然是疾病或事件的存在，因此，没有疾病史的声明将获得星号。
- 控制变量的定义取决于案例的定义。 如果病例为首次发生，论文必须说明对照组没有该结果的既往史。如果病例是新出现的，但不一定是首次发生，则不应排除有既往病例的对照组。
- 案例定义要求进行独立验证。 该手册给出了一些示例，例如多人、记录、时间或过程提取信息，或者参考原始记录来源，例如 X 光片或医院记录。
使用纽卡斯尔-渥太华量表逐星评估队列研究
以下示例为假设，由 Editverse 构建，旨在展示其运作机制。假设有一项已发表的队列研究，比较了医院中上夜班的员工和上白班的同事，并追踪他们罹患 2 型糖尿病的情况。我们的审查方案在筛选之前制定，设定了三个条件。年龄是最重要的可比性因素，体重指数是另一个因素，至少五年的随访期且至少 90% 的随访率才算足够。
| 名称 | 论文报告的内容（假设） | 评分 | 明星 |
|---|---|---|---|
| 选择标准 1. 暴露人群的代表性 | 来自同一地区六家医院的夜班工作人员，不是志愿者 | 具有一定代表性 | 1 |
| 选择 2. 未暴露组 | 来自同一家医院的白班员工 | 同一个社区 | 1 |
| 选择3. 暴露情况的确定 | 轮班安排取自工资名册 | 安全记录 | 1 |
| 选择 4. 结果在开始时缺失 | 未报告基线筛查或糖尿病史 | 未证明 | 0 |
| 可比性 | 经年龄和体重指数调整后的风险比 | 最重要的因素加上其他因素 | 2 |
| 结果 1. 评估 | 通过与国家登记处的数据关联识别出的糖尿病病例 | 记录链接 | 1 |
| 结果 2. 随访时间足够长 | 中位随访时间为 7.2 年，而方案规定为 5 年。 | 是 | 1 |
| 结果3. 随访的充分性 | 保留了82%，丢失的未描述。 | 低于 90%，无描述 | 0 |
| 合计 | 7-9 |
总共7分掩盖了两个明显的缺陷。论文从未说明参与者在基线时是否患有糖尿病，也没有说明18%的参与者是如何退出研究的。逐项报告能够清晰地展现证据的不足之处，而仅仅一个“7/9”的数字则无法做到这一点。
现在来看看一个类别有多么脆弱。该表格应用了下一节中描述的医疗保健研究与质量署的转换方法，来分析评分者之间三种可能出现的单项评分分歧。
| EventXtra XNUMX大解决方案 | 选择 | 可比性 | 成果 | 合计 | AHRQ转换下的类别 |
|---|---|---|---|---|---|
| 评分员A的评分如上所述 | 3 | 2 | 2 | 7 | 良好 |
| 评分员 B 将夜班群体视为“特定群体”（选择 1 上没有星号） | 2 | 2 | 2 | 6 | 展会 |
| 评级员C认为该注册系统缺乏验证，因此未给予1星评级。 | 3 | 2 | 1 | 6 | 差 |
一颗星的差异就可能使同一项研究的评级从“良好”降至“一般”或“差”。这只是基于既定惯例的算术运算，而非实证研究结果，但它解释了为什么两位独立评分者和书面分歧规则的制定是值得的。哈特林及其同事测量了评分者实际出现分歧的频率，相关数据将在下文的局限性部分列出。
将星级评定为好、中、差是一种惯例。
渥太华手册和评分表没有及格分数。它们只告诉你如何给星级评分，仅此而已。你在已发表的评论中看到的标签是评论作者自行添加的转换结果，其中一种与已发表评论中NOS（国家职业分类标准）相关的转换被描述为转换为美国医疗保健研究与质量署（AHRQ）的标准。Esmailian等人（2026，PMID 42006405）如此标注，Heera和Babu（2025，PMID 40756036）也采用了相同的阈值。
| 违反的规则 | 出现的位置 | |
|---|---|---|
| AHRQ 转化率，“良好” | 选择方面 3 星或 4 星，且可比性方面 1 星或 2 星，且结果/曝光方面 2 星或 3 星 | 埃斯梅利安等人。 2026；赫拉和巴布 2025 |
| AHRQ转换，“公平” | 选择方面 2 星，且可比性方面 1 或 2 星，且结果/曝光方面 2 或 3 星 | 相同的评论 |
| AHRQ转化率，“差” | 选择方面 0 星或 1 星，或者可比性方面 0 星，或者结果/曝光方面 0 星或 1 星 | 相同的评论 |
| NOS-xs（横断面适应） | 0至3星：高偏倚风险；4至6星：中等偏倚风险；7至9星：低偏倚风险。 | Carra 等人 2026 年提出的工具，作者自行改编了该工具。 |
请注意AHRQ规则的结构。它考察的是每个领域，而不是总分，因此，即使一项研究获得7颗星，如果其中一个领域崩溃，其质量仍然可能被评为“差”。相比之下，NOS-xs分级是基于总分进行的，并且它们属于一个新的改进工具，而非原始的NOS。由于这些阈值均不属于该量表，请在方案中说明您使用的阈值，并注明其定义者。
已发表队列研究中纽卡斯尔-渥太华量表评分的真实案例
上述假设研究展示了其运作机制。一篇已发表的论文则展示了同样的八项决策在真实的方法文本和表格中呈现时的具体形式。本节使用队列评分表，逐项对一项开放获取的队列研究进行评分，并指出论文中每个答案所在的位置。这只是 Editverse 评分的示例，用于教学，并非对作者或其作品质量的评判。
本示例中的研究得分
引文。约根森 H、霍瓦特-普霍 E、劳格森 K、布雷坎 S、汉森 JB、索伦森 HT。丹麦发生静脉血栓栓塞后永久与工作相关的残疾养老金的风险：一项基于人群的队列研究。公共科学图书馆医学。 2021；18(8)：e1003770。doi:10.1371/journal.pmed.1003770。PMID 34464405。PMCID PMC8443033。
许可协议：知识共享署名 4.0 国际许可协议 ( CC BY 4.0 )，已在 Crossref 元数据中的记录版本以及出版商和 PubMed Central 的文章页面上确认。以下引用的简短文字和一张图表均根据该许可协议重新使用，并注明出处。
为何选择这篇论文？这是一项丹麦全国性队列研究，纳入了43,769名新发静脉血栓栓塞症（VTE）患者和218,845名匹配的普通人群成员，数据来源于关联的国家登记系统，并已根据STROBE指南进行报告。该研究采用的是一种系统评价设计，即通过登记系统追踪，将暴露组与匹配的普通人群成员进行比较。这种设计适用于任何关于疾病或暴露的研究。由于全文公开，表格中的每一行都可以与原始资料进行核对。
标签： Editverse评分仅供教学参考，并非对作者的评判。其他评分者使用同一张评分表时，对于标记为主观判断的行，评分结果可能有所不同。
审查问题和方案设置假设
NOS（未分类标准）的可比性取决于审查问题，因此在计算任何星级之前必须确定审查问题。假设一项审查旨在探究，在工作年龄的成年人中，医院诊断的静脉血栓栓塞症（VTE）是否与日后永久性丧失劳动能力（以领取残疾抚恤金衡量）相关。该审查方案将年龄设定为最重要的可比性因素，合并症和社会经济地位为其他因素，并规定至少3年的中位随访时间是足够的。根据编码手册的规定，所有这三项设置均在筛选之前制定。
根据群体评分表逐星评分
理由栏中的选项字母遵循渥太华医院研究所的队列评分表，理由依据编码手册。章节和表格链接指向开放获取文章。
| 全新库存商品 | 这篇报道的内容（在哪里可以找到它） | 明星 | 根据表格和手册进行推理 |
|---|---|---|---|
| 选择 1. 暴露人群的代表性 | 丹麦国家患者登记处1995年至2016年间所有年龄在25至66岁之间，且主要或次要诊断为深静脉血栓形成或肺栓塞的住院和门诊患者（n = 43,769）。仅在急诊科做出的诊断被排除在外。方法，“VTE队列”；结果。 | 1 | 选项 (a)“真正具有代表性”或选项 (b)“具有一定代表性”，两者均获得星号。数据采集覆盖全国，采用税收资助系统，不设志愿者、会员或雇主筛选条件。手册询问的是暴露人群，此处指静脉血栓栓塞症 (VTE) 患者，而非普通人群。 |
| 选择 2. 选择未暴露人群 | 从民事登记系统中抽取最多 5 名与 VTE 患者性别、出生年份和日历年相匹配的对照者（n = 218,845）。正如作者所述，“从一般人群中随机抽取最多 5 名个体，并按性别、出生年份和日历年进行匹配”。方法：“一般人群对照队列”。 | 1 | 选项 (a) 的样本来自与暴露组相同的社区。两组样本均来自同一国家人口和同一登记系统。 |
| 选择 3. 暴露情况的确定 | VTE病例通过注册登记中的ICD-10医院诊断进行识别。讨论部分引用了一项验证研究，该研究显示深静脉血栓形成阳性预测值为86%，肺栓塞阳性预测值为90%。方法，“VTE队列”；讨论。 | 1 | 选项 (a)，安全记录。数据为医院记录，而非参与者回忆。队列表中的确认项没有记录链接选项，因此安全记录下的数据为已验证的医院登记信息。 |
| 选择 4. 结果在开始时并不存在 | 作者“排除了已领取工伤残疾抚恤金的人员”，以及在与索引日期相同或之前的日历年中领取过抚恤金的人员。同样的规则也适用于对照组成员。方法、“VTE队列”和“结果”。 | 1 | 选项 (a)，是的。手册中说，如果声明没有该结果的历史，则会获得星号，而这里两个组的队列定义中都包含了这一缺失。 |
| 可比性。 设计或分析方面具有可比性的队列 | 按性别、出生年份和日历年份进行匹配，并采用按年龄组和性别分层的Cox模型。模型3在此基础上增加了社会经济指数、肥胖、癌症、冠心病、糖尿病、中风、慢性阻塞性肺疾病、肾脏疾病、近期手术史和Charlson评分。模型1的风险比为3.0（95% CI 2.8至3.1），模型3的风险比为2.3（95% CI 2.2至2.4）。方法，“统计分析”；表2。 | 2 | 该手册在设计中接受匹配，在分析中接受调整，并将各组在调整比率中使用的每个变量上视为可比。年龄是该方案中最重要的因素，通过匹配和分层获得主要因素星号；合并症和社会经济地位是附加因素，获得附加因素星号。 判断 星号代表的是你协议中指定的因素，而不是论文中碰巧调整的因素。 |
| 结果 1。 结果评估 | 从丹麦统计局劳动力市场研究综合数据库中获取的永久性工伤残疾抚恤金领取情况，每年确定。方法，“结果”。 | 1 | 选项 (b)，记录链接。表格中会用星号标记独立盲测或记录链接，行政登记摘录即为记录链接，无需自我报告。 |
| 结果 2。 随访时间要足够长，以便观察结果。 | 在中位数为 4.9 年的总体随访期间（随访截止至 2016 年底），共发现 13,652 例养老金（占 5.2%）。累积发病率绘制了长达 15 年的数据，5 年发病率分别为 11.8%（45 至 54 岁）和 9.2%（35 至 44 岁）。结果见作者图 1，如下图 3 所示。 | 1 | 选项 (a) 正确，这与协议中规定的三年规则相悖。作者解释说，养老金很少能直接与工作挂钩，因为大多数人在领取养老金之前都要经历病假和劳动能力评估，所以才设定了最短期限。 判断 如果将最短中位数设定为5年，那么实际中位数将略低于5年，约为4.9年。因此，手册要求在评估开始前确定评估时长。 |
| 结果 3。 后续跟进的充分性 | 每位居民都通过个人标识符进行追踪，作者称这可以“准确地因移民或死亡而进行数据截尾”。成员在移民、死亡、年满 66 岁或 2016 年底时被截尾，所有 43,769 名暴露组成员和 218,845 名对照组成员均纳入分析。方法，“设计和设置”以及“统计分析”；表 2。 | 1 | 方案 (a)，对所有受试者进行全面随访。论文中不会列出失访人数，因为登记系统的设计就是追踪居民的。 判断 如果评分者希望在文本中明确显示损失数字，则可以选择选项 (b)，该选项可获得相同的星级。 |
| 合计 | 选择 4/4，可比性 2/2，结果 3/3。 | 9-9 | 按照这些协议设置，表格中的任何项目都会被加星号。 |
其中三行带有主观判断标记，因为星级取决于评审团队选择的设置，而不仅仅是纸质文件本身。可比性取决于方案中列出的因素。后续评估行取决于最小长度，充分性评估行取决于评分者如何看待追踪每位住院医师的登记系统。其余四行直接依据表格措辞，但第三项选择依赖于将已验证的医院登记系统视为安全记录。
“好”、“一般”或“差”的标签是另一种惯例。
渥太华文件没有给出及格分数，因此下方的标签是评审团队选择添加的第二步。如前所述，Esmailian等人（2026）和Heera与Babu（2025）所应用的AHRQ转换方法，会检查每个领域，而不是总分。选择4、可比性2和结果3符合“良好”标准，即3或4星、1或2星以及2或3星。表格的第二行显示了更严格的评分者将如何对同一篇论文进行评分。
| EventXtra XNUMX大解决方案 | 选择 | 可比性 | 成果 | 合计 | AHRQ转换下的类别 |
|---|---|---|---|---|---|
| 评分如上 | 4 | 2 | 3 | 9 | 良好 |
| 更严格的评分者，其方案将职业体力需求列为最重要的因素（没有相关注册数据，因此获得一颗可比性星），并要求 5 年的中位随访期（没有结果 2 星）。 | 4 | 1 | 2 | 7 | 良好 |
在第二种情况下，两颗星消失了，但类别没有改变。在本页前面提到的假设夜班示例中，一颗星导致一项研究的类别发生了变化。最终呈现哪种模式取决于星消失的位置，因此需要逐项报告星数，而不仅仅是总数。
9/9 的结果能告诉你什么，又不能告诉你什么？
总分为9分，意味着该表格在其询问的项目中未发现明显的设计缺陷。但这并不意味着评估结果完全没有偏差。作者指出，“由于未测量因素造成的残余混杂无法完全排除”（讨论部分），并列举了个人健康行为和工作场所因素等登记信息缺失的情况。该表格中没有项目考虑到此类情况，因此，如果审阅者希望在综合分析中纳入这些信息，则必须单独记录，例如在按领域进行的敏感性分析中。
该论文按照STROBE指南报告了其设计，这也是为什么以上每一行的问题都可以从正文中得到解答，而无需联系作者的原因之一。我们的STROBE指南观察性研究教程列出了队列研究论文需要报告的内容。在补充评估表中，这项研究只需占一行，选择4分，可比性2分，结果3分，总计9分，旁边标注产生这些星号的三个方案设置。
如何在系统评价中报告纽卡斯尔-渥太华量表
读者应该能够复述你的评估结果。一个合格的报告模块包含五个部分。
- 版本和来源。 请说明是队列研究还是病例对照研究，引用 Wells 等人的研究以及渥太华医院研究所的页面，并说明您是否使用了未经修改的表格。
- 协议设置。 报告“最重要”和“附加”的可比性因素、最短随访时间和保留阈值，每项因素均在筛选前确定。
- 评分者和分歧处理。 请说明评分者人数、他们是否独立工作以及冲突是如何解决的。已发表的信度研究使用了两名审稿人（Hartling）和六名评分者（Kalaycioglu），因此，两名独立评分者并制定明确的平局决胜规则是合理的最低标准。
- 项目级表格。 在正文或补充材料中，对每项研究的每个项目显示星级，而不仅仅是总数。
- 分数的使用。 请说明您是按质量进行描述、分组还是进行敏感性分析，并说明任何类别阈值及其来源。
以下是一个可供参考的方法描述句：“两位审稿人使用纽卡斯尔-渥太华量表（队列版；Wells 等人，渥太华医院研究所）独立评估每项队列研究，从选择、可比性和结果三个方面进行评分，最高可达九星。年龄被预先设定为最重要的可比性因素，体重指数为附加因素；至少五年的随访和至少 90% 的保留率被预先设定为充分。如有分歧，则与第三位审稿人讨论解决。研究根据 AHRQ 转换阈值被分为良好、一般或较差。”
如果论文中未提及某个项目，您可以联系作者。Lo 及其同事比较了审稿人评分和作者自行提供的评分，得出结论：对于研究中未发表的信息，需要联系作者。如果您没有收到回复，请将该项目记录为“未报告”，而不是将其视为研究的失败。如果论文本身也遵循报告指南，则在稿件中报告相同的评估结果会更容易，这正是我们针对观察性研究的 STROBE 指南教程的主题。
文献中已知的纽卡斯尔-渥太华量表局限性
该量表应用广泛，也受到了严格的审查。以下是已发表研究报告的内容及其数据。
任意的物品定义和错误引用的评论
Stang（2010，《欧洲流行病学杂志》，第25卷，第603-605页）发表了一篇对NOS的批判性评价。Stang、Jonas和Poole（2018）随后的分析指出，该评论批评NOS对质量指标的定义过于随意。他们随机抽取了100篇引用该评论的论文进行分析，其中96篇为系统评价。没有一篇论文直接引用该评论，而96篇间接引用的论文中，除2篇外（98%），其余均将其解读为支持使用NOS，而实际情况恰恰相反。截至2016年12月，该评论已被引用1,250次。由此可见，引用评论前务必先阅读其原文，并准确引用。
评分者之间的信度
Hartling及其同事安排两位审稿人将NOS应用于来自8项荟萃分析的131项队列研究。结果显示，两位审稿人对随访时长的一致性较高（kappa值为0.68），而对非暴露队列的选择（kappa值为-0.03）以及证明结局在研究开始时不存在（kappa值为-0.06）的一致性较差。总体评分的可靠性一般（kappa值为0.29，95%置信区间为0.10至0.47）。审稿人认为该工具使用起来较为困难，决策规则也不够清晰。研究发现，各条目或总体评分与效应估计值之间均无关联。值得注意的是，一致性最差的两项是上述示例中队列选择模块的第2项和第4项。
取决于作者选择报告的内容。
Lo、Mertz 和 Loeb 将已发表的系统评价的审稿人对 NOS 评分与同一队列研究的研究作者完成的评分进行了比较。182 项研究中有 65 项（36%）的作者作出了回应。审稿人的总体评分中位数为 6 分（四分位距 6 至 6 分），而作者的总体评分中位数为 5 分（四分位距 4 至 6 分），两者差异显著（p < 0.001），且总体评分的一致性较差（kappa 值 -0.004）。各条目的一致性从轻微（kappa 值 0.15）到极差（kappa 值 -0.06）不等。
结果并非都很糟糕。
Kalaycioglu及其同事邀请六位评估者使用三种工具分别评估了30项暴露研究，并将它们评为低、中、高偏倚风险。所有工具，包括NOS，均达到了较高的评估者间信度（组内相关系数为0.61至0.80），而SIGN50清单的评估结果几乎完全一致。作者指出，评估标准较少且更简单的工具可能得出更可靠的评估结果。结合上述研究，可以合理地认为，信度取决于评估设计、评估者的培训以及分数归类的方式。
适用范围
NOS量表最初是为队列研究和病例对照研究设计的。Carra及其同事提出了针对横断面研究的改良版（NOS-xs，其中包含一个用于患病率研究的四星级变体），这既表明了对更广泛工具的需求，也表明原版量表并未涵盖此类研究设计。对于非随机干预研究，《Cochrane手册》（6.5版，2024年）第25章将ROBINS-I描述为评估偏倚风险的工具，并将其定义为评估单一结果的框架。
NOS、ROBINS-I 和 JBI：决策表
选择工具主要取决于你的综述要求以及纳入研究采用的设计。以下描述性文字摘自最后一列列出的文献。“何时选择”一栏是Editverse自身的决策规则，仅供参考，并非已发布的标准。
| 特性 | 纽卡斯尔-渥太华量表 | 罗宾斯-I | JBI关键评估清单 |
|---|---|---|---|
| 专为 | 非随机研究，包括队列研究和病例对照研究。 | 非随机研究可能导致对干预措施相对效果（危害或益处）估计出现偏倚风险。 | 每种研究设计一份清单，包括队列研究、病例对照研究、分析性横断面研究、患病率研究和准实验研究。 |
| 输出 | 星级，每项研究最多 9 颗星 | 单一结果的偏倚风险判断 | 每项研究的逐项检查清单答案 |
| 来源 | Wells等人，渥太华医院研究所 | Sterne 等人，BMJ 2016；Cochrane 手册第 25 章 | JBI关键评估工具页面 |
| 何时选择 | 您的研究方案或目标期刊已明确指出NOS（国家职业分类），而问题涉及队列研究或病例对照研究中的暴露情况。 | 问题是干预措施的效果，而纳入的研究都是非随机对照研究。 | 该综述混合了多种设计，您需要一个适用于所有设计的清单系列，或者需要包含流行病学研究。 |
| 你的复习题 | 纳入研究的设计 | 首先要考虑的工具 |
|---|---|---|
| 干预措施的效果 | 非随机比较 | 罗宾斯-I |
| 环境、职业或行为暴露的影响 | 非随机随访研究 | ROBINS-E（Higgins 等人，2024），或者如果您的方案中指定了 NOS 队列版本，则使用该版本。 |
| 风险因素或暴露关联 | 病例对照 | NOS病例对照版本，或JBI病例对照检查表 |
| 来自单次调查的关联性 | 分析横截面 | JBI 分析横断面检查表，或 NOS-xs 改编版 |
| 疾病的流行 | 患病率研究 | JBI患病率检查表，或NOS-xs2 |
如果目标期刊或指南委员会指定了某种工具，请使用该工具并说明任何新增工具的理由。我们的ROBINS-I 工具指南详细介绍了基于领域的替代方案。
常見問題解答
一项研究在纽卡斯尔-渥太华评分标准中能获得多少颗星？
两种版本最多可有九个，由 4 个选择星、2 个可比性星和 3 个结果星（队列）或暴露星（病例对照）组成。
NOS评分是否有官方的优秀分数线？
不。《渥太华手册》和评级表均未提供相关信息。评估报告会采用自身的换算标准，例如AHRQ的“良好”、“一般”和“差”标准，并应注明出处。
我可以将NOS用于随机试验或横断面研究吗？
该量表是为非随机队列研究和病例对照研究编写的。随机试验使用其他工具，Carra 及其同事提出了横断面研究的改编版（NOS-xs）。
在荟萃分析中，是否应该使用NOS总分来对研究进行加权？
哈特林及其同事直接检验了效度，发现单个项目或总分与效应估计值之间均无关联。报告项目层面的结果并按领域检验敏感性比按星级加权更容易站得住脚。
Editverse提供的免费研究工具
在您的评估中，我们将为您提供纽卡斯尔-渥太华量表评估的专业支持。
选择合适的工具、确定方案设置并培训评分员以相同的方式应用这些设置，是决定纽卡斯尔-渥太华量表能否通过同行评审的关键步骤。Editverse 的方法学家会与您共同制定这些决策，并遵循 COPE、ICMJE 和 GPP 2022 的相关规定，同时遵守机构和国家/地区的具体要求。以下软件包与您当前的评审阶段相匹配。
如果您已完成方案撰写并提取了纳入的研究，那么使用独立分析软件包是按质量领域进行敏感性分析的最快捷径。如果您希望由一个团队完成从方案撰写到论文发表的整个综述流程，那么完整的系统评价+Meta分析软件包则涵盖了整个过程中的质量评估和偏倚风险指标。
结语
纽卡斯尔-渥太华量表将研究设计特征转化为最多九颗星，它为队列研究和病例对照研究提供了清晰的项目列表，并附有简短的编码手册，可解决大多数特殊情况。其优点在于快速便捷。文献表明，其缺点在于项目定义被批评者认为过于随意、评分者之间的一致性不高，以及对作者报告内容的依赖性。使用该量表时，应采用固定方案设置、由两位独立的评分者进行评分、提供项目级表格，并明确指出任何“好”、“一般”或“差”的标签来源。当研究问题或设计需要时，可参考 ROBINS-I 或 JBI 清单。
案例
- Wells GA、Shea B、O'Connell D、Peterson J、Welch V、Losos M、Tugwell P. 纽卡斯尔-渥太华量表 (NOS) 用于评估荟萃分析中非随机研究的质量。渥太华医院研究所。 ohri.ca/programs/clinical_epidemiology/oxford.asp
- Stang A. 对 Newcastle-Ottawa 量表在荟萃分析中评估非随机研究质量的批判性评价。Eur J Epidemiol. 2010;25(9):603-605. PMID 20652370. DOI：10.1007 / s10654-010 - 9491-Z
- Stang A、Jonas S、Poole C. 重大引文错误案例研究：对纽卡斯尔-渥太华量表的批判性评述。欧洲流行病学杂志。2018;33(11):1025-1031。PMID 30259221。 doi:10.1007/s10654-018-0443-3
- Hartling L、Milne A、Hamm MP、Vandermeer B、Ansari M、Tsertsvadze A、Dryden DM. 纽卡斯尔-渥太华量表测试显示个体评审者之间的信度较低。J Clin Epidemiol. 2013;66(9):982-993. PMID 23683848. doi:10.1016/j.jclinepi.2013.03.003
- Lo CK、Mertz D、Loeb M.纽卡斯尔-渥太华量表：比较审稿人和作者的评估。BMC医学研究方法学。2014;14:45。PMID 24690082。 doi:10.1186/1471-2288-14-45
- Kalaycioglu I、Rioux B、Briard JN、Nehme A、Touma L、Dansereau B、Veilleux-Carpentier A、Keezer MR。非随机研究偏倚风险评估工具的评分者间信度。系统评价。2023；12：227。PMID 38057883。 doi：10.1186 / s13643-023-02389-w
- Sterne JA、Hernan MA、Reeves BC 等。ROBINS-I：一种评估非随机干预研究偏倚风险的工具。BMJ。2016；355：i4919。PMID 27733354。 doi:10.1136/bmj.i4919
- Sterne JAC、Hernan MA、McAleenan A、Reeves BC、Higgins JPT。第25章：评估非随机研究中的偏倚风险。见Higgins JPT、Thomas J、Chandler J等编。《Cochrane系统评价干预措施手册》，第6.5版。Cochrane；2024。 cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-25
- Higgins JPT、Morgan RL、Rooney AA 等。用于评估非随机随访暴露效应研究中偏倚风险的工具 (ROBINS-E)。Environ Int. 2024。PMID 38555664。doi:10.1016/j.envint.2024.108602
- Carra MC、Romandini P、Romandini M。横断面研究的偏倚风险评估：纽卡斯尔-渥太华量表的调整。 J 牙周研究。 2026.PMID 40293188.doi:10.1111/jre.13405
- Esmailian A、Raki C、Han HC、Alasti M. 运动在降低血管迷走性晕厥复发中的作用：系统评价和荟萃分析。Am J Prev Cardiol. 2026. PMID 42006405. doi:10.1016/j.ajpc.2026.101504
- Heera T, Babu R. 系统评价和荟萃分析比较儿童肾盂成形术（缩窄型与非缩窄型）的疗效。印度儿科外科协会杂志。2025。PMID 40756036。doi:10.4103/jiaps.jiaps_1_25
- JBI 批判性评价工具（按研究设计分类的检查清单）。JBI。jbi.global/critical-appraisal-tools
- 约根森 H、霍瓦特-普霍 E、劳格森 K、布雷坎 S、汉森 JB、索伦森 HT。丹麦发生静脉血栓栓塞后永久与工作相关的残疾养老金的风险：一项基于人群的队列研究。公共科学图书馆医学。 2021；18(8)：e1003770。 PMID 34464405。 doi:10.1371/journal.pmed.1003770
- Wells GA、Shea B、O'Connell D 等。纽卡斯尔-渥太华质量评估量表、队列研究评分表和队列研究编码手册。渥太华医院研究所。 评分表（PDF）, 编码手册（PDF）