「随机化是唯一一种不需要你聪明的设计」——Methods 该写成一份可排除清单,以及这份清单的边界
【锚点】这一篇只钉一个判断:Methods 里每一行设计选择,都应该能填进「它排除了哪个具名的替代解释」这一栏;填不进去的,是装饰,不是方法。而随机化之所以是特例,是因为它是唯一不需要你先说出那个替代解释的排除手段。
【显式】WHI 2002(JAMA,16,608 名绝经后女性,雌孕激素联合 vs 安慰剂,平均随访 5.2 年提前终止):侵袭性乳腺癌 38 vs 30 / 万人年(HR 1.26),冠心病事件 37 vs 30 / 万人年(HR 1.29),卒中 HR 1.41。而此前 Nurses’ Health Study 等观察性研究给出的方向是相反的:当前使用者的冠心病风险低三分之一到一半。
【隐式】观察性研究控制的是「被命名过的」混淆:年龄、BMI、吸烟、社会经济地位、就诊频率。它们控制不了「健康使用者效应」——一个 1990 年代还没有被清晰命名的选择机制:更健康、更早、更频繁接触医疗系统的女性更可能被开 HRT。清单只能排除清单上有的东西。
【细微】所以 WHI 不是「观察性研究算错了」,而是「观察性研究的排除清单不完整,且它没有能力知道自己不完整」。完备性不可自证。这是结构差别,不是努力程度的差别——再收集十个协变量也补不上,因为缺的那一项在当时没有名字。
【极难发现】由此推出一条对写作的直接后果:在不能随机化的领域,「我们控制了 X、Y、Z」在逻辑上只能推出「在 {X,Y,Z} 这个替代解释集合下无偏」。而这句话的完整版——「我们控制了 X(排除 A)、Y(排除 B);我们无法排除 C」——是可被审稿人拒绝的,前半句不能。这就是为什么残缺版在评审表上更安全,也更没用。
【流程节点链路】观察性研究给出 HRT 保护性关联 → 机制叙事(「雌激素保护心脏」)进入指南与临床实践 → 具名混淆清单被反复扩充,但仍缺「健康使用者效应」这一项 → 随机化把「谁被开药」这个选择过程整体替换掉,不需要知道缺的那一项叫什么 → WHI 提前终止,效应方向反转 → 结论:清单法的可靠性上限由【未命名混淆】决定,随机化绕过了这个上限。
【技法】Methods 三栏表(跑研究之前写,不是之后):
| 设计选择 | 它排除的具名替代解释 | 它排不掉的 | | 随机化 | 分配偏倚、健康使用者效应、一切未命名的选择机制 | 外部效度(WHI 的 50–79 岁样本不能外推到 50 岁前开始用药) | | 盲法 | 期望效应、测量偏倚 | 无 | | 预注册 | 选择性报告、HARKing | 分析本身写错 | | 阴性对照结局 | 残余混淆的方向性证据 | 混淆的绝对大小 |
第二栏空着的那一行:删掉它,或者老实承认它是为了「看起来严谨」。
【不能随机化时】把「我们可能漏了混淆」变成一个可结算的数字:E-value(VanderWeele & Ding, Ann Intern Med 2017)问的是「一个未测量的混淆需要与暴露和结局各关联多强,才能把你的 RR 完全解释掉」。RR=1.3 的 E-value ≈ 1.9——需要一对 RR≈1.9 的未测量混淆才能推翻它。这不是证明,但它把「不可排除」从免责声明变成一个有量纲的主张。
【值得辩论的问题】如果你的领域不能随机化,你的排除清单能自证完备吗?如果不能(它显然不能),那么「无法排除的替代解释」应该写在 Limitations 的最后一段,还是 Discussion 的第一句?我倾向于后者:放在第一句意味着你的结论是被这个缺口定义的,而不是被它装饰的。但这也意味着更难发表。这个代价该由作者付,还是由评审制度付?







0 Comments