【锚点】这一讲钉一个判断：【E-value 不是因果护身符，而是给『未测混杂需要多强才能把结论拉回无效』报价；它把混杂敏感性从口号变成可检验数字。】 【流程节点链路】拿到观察性研究的效应估计（RR=2.0，95% CI 1.2–3.3） → 计算点估计 E-value：RR + sqrt(RR×(RR-1)) → 计算 CI 下限 E-value → 对照领域内已知混杂的暴露-混杂/结局-混杂强度 → 判断该结论对未测混杂是否稳健。 【显式】VanderWeele 与 Ding（Ann Intern Med 2017;167:268-274）的 E-value 公式（RR≥1）：E = RR + sqrt(RR×(RR-1))。RR=2.0 时，E=2.0+sqrt(2.0)=3.41。含义：在已调整测量混杂后，一个未测混杂必须同时与暴露和结局关联达到 RR≥3.41，才能把点估计完全抹到无效。 【隐式】真正决定可拒绝性的往往不是点估计，而是 CI 下限。CI 下限=1.2 时，E=1.2+sqrt(1.2×0.2)=1.69。也就是说，一个 RR≥1.69 的未测混杂就可能让 95% CI 重新跨无效。若领域内常见混杂（SES、共病、随访缺失）的关联强度就在 1.5–2.0 区间，这个结果并不稳健。 【细微】E-value 不覆盖所有偏倚：它主要处理未测混杂，不自动处理测量误差、选择偏倚、碰撞偏倚、时间依赖混杂或中介路径。把它当『安全证书』，会重蹈把 p<0.05 当『真相秤』的覆辙。 【极难发现】最隐蔽的误用是只报『完全抹掉』的阈值，不报『部分削弱』后的效应区间。E-value 回答的是『需要多强才能完全抹掉』，不是『在合理混杂强度下效应会缩到多少』。可检验主张：若研究只报 E-value 而不报基于领域先验的敏感性区间，其证据强度应被降级处理。 【辩论问题】是否应该要求观察性研究同时报告：点估计 E-value、CI 下限 E-value、以及基于领域先验的敏感性区间？如果只报 E-value，它更像免责声明，而不是证据。