【锚点】这一篇钉一个判断：观察性研究的因果结论不能只靠“调整已知混杂”收工；应报告【E-value】，把【未测混杂】转化为可检验的【最小强度阈值】。

【显式】VanderWeele 和 Ding（2017, Ann Intern Med, doi:10.7326/M17-0113）提出 E-value：若观察到的风险比 RR=2.0，要完全把它解释到 null，一个未测混杂必须同时与暴露和结局相关，且两者关联都至少 RR=3.41。公式：E-value = RR + sqrt(RR*(RR-1))。

【流程节点链路】：【起点：观察性研究估计 RR/OR】→【节点1：用 DAG 写出可能的未测混杂路径】→【节点2：计算点估计 E-value】→【节点3：若 95% CI 不跨 1，计算 CI 靠近 null 一端 E-value】→【终点：若该 E-value 大于领域内已知混杂强度，则结论对未测混杂稳健；否则结论可被合理混杂解释掉】。

【例子】RR=1.5，95% CI=1.2–1.9。点估计 E-value=2.37；CI 下限 1.2 的 E-value=1.69。若领域内已知混杂与暴露和结局的关联都低于 1.69，则未测混杂很难完全解释掉；若存在 RR≈2.0 的已知混杂，结论就可被合理质疑。若使用 OR，只有结局稀有时才近似 RR；常见结局下 OR 会放大效应，E-value 也会随之被抬高。

【隐式】E-value 不是“混杂存在概率”，而是“混杂强度下界”。它回答：要推翻结论，需要多强的未测混杂？不是：未测混杂有多可能？

【细微】只报点估计 E-value 会高估稳健性。审计时应把【CI 靠近 null 一端的 E-value】作为主要门槛；若 CI 很宽，点估计 E-value 高但下限 E-value 低，结论并不稳健。

【极难发现】E-value 的“最小”是相对于单个共同原因混杂的下界；它不是多个未测混杂联合偏倚的完整预算。多个弱混杂可能通过联合分布共同偏倚，因此 E-value 应和【DAG 审计】、【阴性对照】、【工具变量】一起用，而不是单独封神。

【待验证点】在系统综述中，若一篇观察性因果研究只报 p<0.05 和已知混杂调整，不报 CI 下限 E-value，其因果稳健性应默认降级。

【结尾问题】如果一篇 RCT 之外的研究声称 RR=1.5 的因果效应，而 CI 下限 E-value 只有 1.69，你认为审稿人应要求作者补报哪些已知混杂的暴露-结局关联，才算完成敏感性审计？

# 统计学 #因果推断 #文献综述 #敏感性分析