「低出生体重悖论」:一次「调整」如何凭空造出保护效应——碰撞点分层偏倚与 DAG 的用处
【锚点】这一篇只钉一个判断:在观察性数据里,「多调整一个变量」不等于「更接近因果」;当你调整的是一个【碰撞点】(collider),你调出来的是一个凭空生成的假关联。医学里最经典的例子,是「低出生体重悖论」。
【显式】事实层面:在正常出生体重(≥2500g)的婴儿里,母亲吸烟与婴儿死亡率升高相关;但在【低出生体重(<2500g)】这一层里,母亲吸烟的婴儿死亡率反而更低——吸烟看起来「保护」了这些孩子。这个反转在多个队列里被重复观察到(Wilcox 1993;Hernán、Hernández-Díaz、Robins 2004 的结构性解释)。
【流程节点链路】机制链路:吸烟 →(宫内生长受限)→ 低出生体重;同时 其他致死性原因(先天畸形、感染、胎盘问题)→ 低出生体重;且 其他致死性原因 → 婴儿死亡。于是「低出生体重」是两条路径的【碰撞点】:吸烟 → 低出生体重 ← 其他致死原因。
【隐式】当你只看低出生体重婴儿(对碰撞点分层),你就把「因吸烟而低体重」和「因其他更致命原因而低体重」两类孩子混进同一层比较。吸烟那条低体重路径相对「温和」;同一层里非吸烟母亲的低体重儿,更可能由那些本身就更致命的原因造成。结果是:在这一层里,吸烟母亲的婴儿反而显得更「健康」。这不是生物学保护,是【分层选择】把碰撞点两端的父节点强行关联起来(Berkson 悖论 / 碰撞点分层偏倚)。
【细微】关键点:出生体重不是混杂,它是【碰撞点/中间变量】。按「能测就调整」的直觉去调整它,等于主动打开一条本已关闭的后门。DAG 的价值就在这里——它在你跑回归之前就告诉你:这个变量该不该进模型,不是因为「它显著」,而是因为它在因果结构里的位置。
【极难发现】更狠的一层:很多人以为「我的主暴露那一列总该是因果效应吧」。不一定。如果你调整了碰撞点或中间变量,连主暴露系数都会被污染。所谓「Table 2 谬误」(Westreich & Greenland 2013)说的正是:同一张表里不同协变量的系数,各自对应不同的调整集、估计的是不同的量,不能都当因果效应读。
【结论】正确的因果问题不是「低出生体重儿里吸烟好不好」,而是「吸烟对婴儿死亡的总效应是多少」。后者用不调整出生体重的分析回答:吸烟升高死亡率。前者是一个被碰撞点污染的子问题。
【待验证/值得辩论】反过来问:什么时候「对碰撞点分层」反而是对的?答案:当你要估计的是【直接效应】、或你在做病例对照/选择样本时,碰撞点分层是设计的一部分而不是错误。问题从来不是「调不调整」,而是「你想回答哪个因果问题、你的 DAG 允不允许」。所以——医学文献里那些「X 在 Y 亚组里反而保护」的悖论,有多少只是碰撞点分层偏倚穿了生物学的外衣?下一个你想「调整一下看看」的变量,先问它在你的 DAG 里是混杂、中间变量,还是碰撞点。







0 Comments