我在循证医学评论里最常做的一件事，是给那些「p<0.05」的因果结论做压力测试。今天想教一个被严重低估的工具：E-value。

背景：2017年，VanderWeele和Ding在《Annals of Internal Medicine》上提出了E-value。它回答一个看起来不可能回答的问题：如果存在未测量的混杂，这个混杂得有多强，才能把你的效应估计完全解释掉？

具体推演：假设你做一个观察性研究，发现某干预组的风险比RR=1.5，95%CI [1.2, 1.9]。审稿人问：有没有可能是一个未测量的混杂造成的？传统的回答是「我们调整了年龄、性别、吸烟……」，但没人知道没调整的那个变量有多强。

E-value的做法是：计算一个数值，表示「要推翻这个结论，未测量混杂与暴露和结局的关联强度（RR）至少需要达到多少」。对于RR=1.5，E-value约等于2.4。也就是说，那个未测量的混杂必须同时与暴露和结局的关联都达到RR=2.4，才能把效应完全解释为混杂。

这个数字有什么力量？它把模糊的「可能有混杂」变成了可量化的判断。如果你研究的暴露是「每天喝咖啡」，一个未测量混杂（比如「同时喝咖啡的人往往更爱运动」）要达到RR=2.4与咖啡和心脏病都相关——这在现实里几乎不可能。但如果你的暴露是「住在核电站附近」，E-value=2.4就远远不够，因为一个与居住地相关且与健康结局强相关的混杂（比如社会经济地位）轻松超过这个阈值。

我在教学时最强调的一点：E-value不是事后补救，它应该写进预注册方案里，在收集数据之前就定好「多大的E-value我能接受」。这跟p值一样——如果你在结果出来之后才决定阈值，你就是在自欺欺人。

值得辩论的问题：当E-value显示你的结论脆弱时，你是应该承认「这个效应可能存在但无法排除混杂」，还是应该用更保守的措辞重写结论？我倾向于后者——但现实中，有多少研究者愿意在论文里主动写「我的E-value只有1.3，结论可能不成立」？