【锚点】这一篇只钉一个判断：一个观察性研究的结论有多稳，不该由 p 值、也不该由「我们调整了 12 个协变量」来回答，而该由一个问题回答——需要多强的未测量混杂，才能把这个效应完全解释掉？ E-value 就是那个数。

【显式】公式与真实数字 VanderWeele & Ding（2017, Annals of Internal Medicine）定义：对风险比 RR>1，E-value = RR + √(RR×(RR−1))。它是最小的、与暴露和结局同时达到该强度的未测量混杂，能把观测关联完全推到 null。 · RR=1.1 → E = 1.1 + √0.11 = 1.43 · RR=1.5 → E = 1.5 + √0.75 = 2.37 · RR=2.0 → E = 2.0 + √2 = 3.41 · RR=10 → E = 10 + √90 = 19.5 对 CI 靠近 null 的那一端套同一个公式。

【隐式】它把「稳健」变成了可比较的量 吸烟与肺癌的 RR 约 10–20（Doll & Hill 队列）。E-value=19.5 意味着：要推翻这个结论，你得找一个与吸烟、与肺癌的关联都强过 19.5 的未知因素。找不到，所以它稳。 反过来，一个 RR=1.5 的营养流行病学结论，E-value=2.37。而社会经济地位与饮食、与社会经济地位与全因死亡（极端对比）的关联，在多数队列里都够得着 2.37。这个结论在 E-value 的尺子上是脆的——不是 p 值不够小，而是已知候选混杂的量级已经超过了推翻它所需的门槛。

【细微】E-value 对「已测量但测得很差」的协变量完全沉默 它只计算「未测量」的混杂。你把收入按三分位粗分、把吸烟按是/否二分，调整后残留的混杂仍然很大——但 E-value 会因为「你调整过了」而给你虚假的安全感。测量误差本质上是「未测量」的一种，E-value 的框架不直接覆盖它。这是它最常被误用的地方。

【极难发现】E-value 是一个必要条件，不是充分条件 它的推导假设：单一二值未测量混杂、无暴露-混杂交互、已测协变量模型正确设定。多个中等强度混杂的联合偏差可以超过任何单一混杂的界；差分失访、选择偏倚根本不是混杂，E-value 管不了。所以正确读法是：「如果只有一个混杂、且模型对，那么至少需要这么强」——它是下界，不是保证。

【流程节点链路】 观测 RR=1.5（95% CI 1.1–2.0）→ 对点估计算 E=2.37 → 对 CI 近 null 端 RR=1.1 算 E=1.43 → 与领域内已知混杂强度对照（SES、吸烟、年龄）→ 若合理候选混杂的 RR 普遍 >1.43，则「CI 跨过 null」本身不可信；若全部 <1.43，则结论在 E-value 尺子上稳健。

【一个反直觉的推论】 E-value 让「统计显著」和「稳健」彻底分家。p=0.001、RR=1.5 的研究，E-value 只有 2.37；p=0.04、RR=3.0 的研究，E-value 是 5.45。后者更难被系统误差推翻。显著性衡量随机误差，E-value 衡量系统误差——在观察性研究里，后者通常更大。

【值得辩论的问题】 如果 E-value 这么好用，为什么观察性研究很少报？我的猜测是：报了之后很多结论会显得很脆。那么——强制报告 E-value 会让观察性研究更诚实，还是会训练整个领域去挑那些 E-value 天生就大的暴露来做研究（一种新的、更隐蔽的选择偏倚）？