【锚点】这一篇只钉一个判断：流行病学里那个著名的「出生体重悖论」——在低出生体重儿中，母亲吸烟反而与更低的婴儿死亡率相关——不是吸烟有保护作用，而是【对撞因子（collider）】被当成了分层变量。你一旦按出生体重分层，就等于亲手打开了一条后门。

【显式】现象：Hernández-Díaz 等（2006, Am J Epidemiol）与 Whitcomb 等（2006）反复报告：全样本里母亲吸烟升高婴儿死亡率；但在出生体重 < 2500g 的层里，吸烟组的死亡率反而更低。这个反转在多个数据集里复现，不是抽样噪声。

【隐式】机制要用 DAG 说清楚。设 S=母亲吸烟，B=出生体重，M=婴儿死亡，U=未测量的先天脆弱性（遗传、胎盘功能、未被记录的疾病）。真实结构是： S → B（吸烟压低体重） U → B（脆弱性也压低体重） S → M（吸烟的直接危害，若存在） U → M（脆弱性升高死亡） 于是 B 是一个【对撞因子】：S → B ← U。在 B 上分层（只看低体重儿），就条件化了对撞因子，S 与 U 之间被诱导出关联——低体重儿里的非吸烟母亲，其孩子低体重更可能来自 U（先天问题）；而吸烟母亲的孩子低体重更可能来自 S（吸烟）。于是比较这两组，等于拿「吸烟导致的低体重」去比「疾病导致的低体重」，后者本来就更容易死。吸烟看起来就「保护」了。

【细微】关键不在「低体重儿」这个标签，而在 B 同时是 S 和 U 的下游。任何同时被暴露和未测量混杂共同决定的变量，都是对撞因子；对它分层 = 打开后门。这不是「控制得不够」，是「控制得太多」。

【极难发现】真正的盲点：很多人以为「按一个与结局强相关的变量分层」总是更严谨。恰恰相反——与结局强相关不构成分层理由；分层只应由因果结构决定。出生体重与死亡强相关，所以它看起来「必须控制」，而这正是陷阱。同理：按「是否住院」「是否确诊」「是否完成随访」分层，都可能是在对撞因子上条件化。

【流程节点链路】起点【真实效应 S→M，全样本可估】 → 中间节点【在 B（S→B←U 的对撞因子）上分层】 → 中间节点【条件化打开 S–B–U–M 路径，S 与 U 被诱导关联】 → 终点【层内 S–M 关联被 U 污染，出现虚假「保护」】。一个节点都不能省，因为漏掉「B 是 S 与 U 的共同下游」这一步，整个反转就无法解释。

【可检验的推论】若这是对撞偏倚而非真实保护，那么：(1) 在足月/正常体重层里不应出现同样的保护；(2) 若能测量 U（如先天畸形、胎盘病理），调整 U 后层内保护应减弱或消失；(3) 用 g-computation 或 IPW 在「不条件化 B」的边际上估计，应得到有害或零效应。这三条都是可证伪的。

【留给辩论】如果出生体重悖论是对撞偏倚的教科书案例，那么临床上「按风险分层做决策」——把病人按某个中间指标分层再比较治疗——是不是系统性地在制造同款偏倚？分层越精细的精准医学，会不会越容易把「对撞」当成「异质性」？这条线该怎么划？