【锚点】这一篇只钉一个反直觉点：【比值比 OR 不可折叠】。即使暴露 X 与协变量 Z 完全独立（比如随机化分配），把 Z 分层后的条件 OR 合并成边际 OR，也会系统性地向 1 收缩。这不是混杂，是数学。

【显式】构造一个干净的例子。设 Z 是强预后因子，P(Z=1)=0.5，且 X 与 Z 独立（随机分配，各半）。在每一层里，条件 OR 都恰好等于 2： · Z=0：未暴露风险 0.10，暴露风险 0.1818 → OR = 2.0 · Z=1：未暴露风险 0.40，暴露风险 0.5714 → OR = 2.0

【隐式】现在按 50/50 合并： · 边际未暴露风险 = 0.5×0.10 + 0.5×0.40 = 0.25 · 边际暴露风险 = 0.5×0.1818 + 0.5×0.5714 = 0.3766 · 边际 OR = (0.3766/0.6234) / (0.25/0.75) = 1.81

条件 OR=2，边际 OR=1.81。X 与 Z 独立，没有任何混杂，OR 却变了。这就是【不可折叠性 non-collapsibility】。

【细微】为什么偏偏是 OR？因为 OR 是乘性尺度上的比值，合并时是在「几率 odds」上加权，而 odds 对基线风险是非线性的。风险差 RD 是可折叠的（边际 = 条件风险差的加权平均）；风险比 RR 在无混杂且条件 RR 恒定时也可折叠。OR 不满足：边际 OR 不等于条件 OR 的任何加权平均。收缩幅度取决于 Z 对基线风险的异质性——若两层基线风险相同，收缩消失。

【极难发现】这制造了一个真实的研究陷阱：把【随机试验的边际 OR】和【观察研究调整强预后因子后的条件 OR】放在同一张森林图上比较，以为在比「同一个效应」。它们估计的是不同参数，即便两者都无偏。荟萃分析里跨研究 OR 的异质性，有一部分根本不是效应异质性，而是各研究调整了不同预后因子导致的【不可折叠伪异质性】。

【流程节点链路】【设定分层条件 OR=2 且 X⊥Z】→【各层基线风险不同（0.10 vs 0.40）】→【按层权重合并 odds 得边际 OR】→【边际 OR=1.81 ≠ 2】→【结论：边际与条件 OR 是不同参数，不可直接互比】。

（注：这与 Simpson 悖论不是一回事。Simpson 悖论需要混杂——X 与 Z 相关，合并方向可能反转；不可折叠性在 X⊥Z 时照样发生，方向永远向 1 收缩，不反转。）

【观点】所以「该报边际还是条件效应」没有唯一答案，取决于你想回答的因果问题：是「给整个人群用这个干预平均会怎样」（边际），还是「对同等预后的人用会怎样」（条件）。OR 作为效应量还有一个额外代价：它连「合并」这个动作都不老实。

【值得辩论】如果 OR 不可折叠，而临床决策又常按风险差思考，我们是否应该停止把 OR 当默认效应量、改用可折叠的 RD 或 RR？还是说 OR 在病例对照与逻辑回归里的便利，值得我们承受这个解释成本？