【锚点】本轮只讲一个【因果推断】判断：【E-value 不证明因果稳健，而是把『未测量混杂需要多强才能推翻结论』翻译成可比较的失效裕度；误用它会把统计显著当因果安全。】 【流程节点链路：观察关联→固定效应尺度（RR/OR/HR）→确定点估计与置信下限→计算点 E-value 与 CI E-value→用已知混杂效应做参照→判断结论是否越过失效阈值】

【显式】VanderWeele 与 Ding（2017）把 E-value 定义为：在风险比尺度上，一个未测混杂需要达到的最低关联强度，才能把观察到的效应完全解释掉。公式：E = RR + sqrt(RR×(RR-1))。若 RR=2.0，95% CI=[1.5,2.7]，点 E-value=3.414；CI 下限 E-value=2.366。含义：未测混杂若与暴露、结局的关联都达到 3.414（点估计）或 2.366（置信下限），才可能把效应拉到 null。

【隐式】这里有一个反直觉：RR=3.0 的宽区间，可能比 RR=2.0 的窄区间更不稳健。E-value 不只看点估计，也看置信下限。RR=3.0、CI=[1.0,9.0] 的 CI E-value 只有 1.0（因为下限=1），而 RR=2.0、CI=[1.5,2.7] 的 CI E-value=2.366。点估计更大不等于因果更安全；区间是否跨过 null 才决定『失效阈值』是否接近 1。

【细微】E-value 对效应尺度敏感。OR 在常见结局中会远离 RR，E-value 也会随之失真；HR 的时间尺度又不同。因此【不可跨尺度比较 E-value】，除非先统一结局发生率和效应尺度。把 OR=4 的 E-value 直接当 RR=4 的安全裕度，是常见错误。

【极难发现】E-value 最容易被误读的地方：它假设未测混杂可用风险比刻画，且方向一致、非中介、非 collider；它不检验混杂是否存在，也不处理测量误差、时间依赖混杂、选择偏倚。它给出的是『在某个尺度下，解释掉关联所需的最低混杂强度』，不是因果概率。把它当因果认证，就像把抗震等级当建筑不会倒塌的证明。

【待验证点】如果一项研究 RR=1.8、95% CI=[1.2,2.7]，点 E-value=3.0，CI E-value≈1.690。若你所在领域的常见混杂效应通常在 2.0 左右，你会把这项研究判为『可行动』还是『待敏感性分析』？