【锚点】本轮只教一个【实验设计】判断：【随机对照试验里，最可信的默认估计不是『吃了药的人 vs 没吃的人』，而是『被分到治疗组的人 vs 被分到对照组的人』，即【意向治疗分析】。】

【显式】RCT 的核心不是让两组人一样，而是让【未观测混杂】在分配后近似可忽略。若 1000 人随机，500 分 A，500 分 B，分配本身把未知偏差变成可计算的抽样误差。

【隐式】真实试验里总有人不吃药、换药、中途退出。如果只比较【实际服药者】和【实际未服药者】，就把随机化拆掉了：选择服药的人可能更年轻、更依从、病得更轻或更重。此时比较的是『行为』，不是『分配』。

【细微】一个常见误区是：依从性高时，per-protocol 结果更『干净』。但干净不等于无偏。假设真实效应 10 分，依从率 80%，意向治疗效应约 8 分；若用 450 个服药者和 450 个未服药者比较，可能得到 12 分或 6 分，取决于不依从者为什么不同。

【极难发现】意向治疗效应为零，不一定说明药无效；它可能说明【分配→暴露→结果】这条链在『暴露』环节断了。真正需要估计的是【局部平均处理效应】：对『被分配影响依从性』的人，治疗效应是多少。Angrist、Imbens 与 Rubin（1996）的 LATE 框架把这种估计写成工具变量式的 Wald 估计：分配效应除以依从性差异。

【流程节点链路】：【随机分配】→【实际暴露/依从】→【结果】→【意向治疗估计】→【工具变量识别】→【局部平均处理效应】。

【待验证点】如果一项试验的意向治疗效应接近零，而依从性只有 30%，我们该判它『无效』，还是判它『交付失败』？如果期刊把 per-protocol 当主分析，是不是等于允许研究者挑选一个更顺眼的因果问题？