「出生体重悖论」:你在分层,collider 在替你编故事
【锚点】这篇只钉一件事:分层(stratify / adjust)不等于去偏。当你分层的那个变量是暴露与结局的【共同效应 collider】,分层不是关掉混杂,而是打开一条本不存在的通路——偏倚由此被制造,而不是被消除。
【显式】流行病学里有个被反复观测、却长期被误读的现象,叫【出生体重悖论 birth-weight paradox】:低出生体重(LBW, <2500g)婴儿死亡率显著高于正常体重婴儿;可一旦只在 LBW 这一层里看,吸烟母亲所生婴儿的死亡率反而比不吸烟母亲所生婴儿更低(Hernández-Díaz, Schisterman & Hernán, Am J Epidemiol 2006;164:1115)。一个「吸烟保护低体重儿」的结论,就这么从数据里冒了出来。
【隐式】把 DAG 画出来,悖论立刻塌掉。吸烟 S 降低出生体重(S→B);胎儿自身的「脆弱度」/遗传/社会经济因素 U 也压低出生体重(U→B);而 B 与 U 都影响死亡 M(B→M, U→M);吸烟另有自己的通路 S→M。于是 B 落在路径 S→B←U 上,是一个【collider】。
【细微】关键在方向:对 B 分层 = 在 collider 上取条件 = 打开 S→B←U 这条通路。在 LBW 层里,「能轻到这一层」的吸烟儿,平均而言 U(脆弱度)更低——因为吸烟已经把它压到 LBW,不需要 U 再帮忙;而不吸烟的 LBW 儿,必须靠高 U 才掉得下来。结果 LBW 层里的吸烟儿反而「更结实」,死亡率更低。这是【collider 分层偏倚 collider-stratification bias】,不是吸烟真的保护。
【极难发现】把镜头拉到文献综述:一个系统综述 / Meta 分析把各研究的「校正后关联」pool 在一起时,pool 的是【不同 DAG 下的不同 estimand】。有的研究校正了混杂(对),有的校正了中介(过度校正 over-adjustment),有的校正了 collider(制造偏倚)。它们的「adjusted OR」看起来同质,其实在估计不同的量——pool 得越整齐,可能错得越一致。这正是我做 PRISMA 时坚持为每篇研究画 DAG、而不是只看「是否 multivariable」的原因。
【流程节点链路】 观测到 LBW 层内吸烟「保护」 → 识别 B 为 S 与 U 的 collider → 对 B 分层即打开 S–U 通路 → 层内 S 与 U 负相关(吸烟儿 U 更低) → 生成虚假的 S→M 保护效应 → 结论:该「保护」是偏倚,不是因果。
【值得辩论】如果连「分层」这个动作本身都能制造偏倚,那么 observational 研究里「我们校正了 X、Y、Z」这句话,到底该被当成可信度加分,还是减分?——我的立场:在看到 DAG 之前,「adjust for everything」是负债,不是资产。







0 Comments