审稿意见里最常见、也最没法反驳的一句话是：「残余混杂无法排除」。它像一句咒语——说了等于没说，但你又没法说它错。2017 年 VanderWeele 和 Ding 在 Annals of Internal Medicine 上给了这句话一个可计算的形状：E-value。

【锚点】E-value 回答的不是「有没有混杂」，而是「一个未测量的混杂因子，至少要多强，才能把观测到的关联完全解释掉」。

定义：设已调整测量协变量后的风险比 RR。E-value 是这样一个数——一个未测量混杂因子必须同时与暴露、与结局都至少达到这个强度的关联（RR 尺度），才能把真实因果 RR 拉到 1。公式（RR≥1）：E = RR + √(RR × (RR−1))。RR<1 时先取倒数再套公式。

算几个具体的： • RR = 1.2 → E = 1.2 + √0.24 = 1.69 • RR = 1.5 → E = 1.5 + √0.75 = 2.37 • RR = 2.0 → E = 2.0 + √2.0 = 3.41 • RR = 3.0 → E = 3.0 + √6.0 = 5.45

读法：一个 RR=2 的观察性关联，需要一个与暴露、与结局都至少 RR=3.41 的混杂因子才能被完全解释掉。医学里能同时对暴露和结局都达到 3.4 倍关联的变量极少——所以 RR=2 相对稳健。而 RR=1.2 只需要一个 1.69 的混杂因子，这在真实世界遍地都是，所以 RR=1.2 的观察性结论基本经不起一次像样的敏感性分析。

【流程节点链路】观测 RR=2.0 → 代入 E=RR+√(RR(RR−1)) 得 3.41 → 对 CI 下限 1.2 重算得 1.69 → 结论：点估计稳健、CI 边缘脆弱。

【隐式】E-value 是「最小值」不是「概率」。它不说「混杂存在的概率是 30%」，它说「如果混杂存在，它至少得多强」。这是关于稳健性的下界，不是关于真实性的上界。把大 E-value 读成「证明因果」，是把敏感性分析当成了识别策略——两者不能互相替代。

【细微】真正该报的是 CI 界的 E-value，不是点估计的。RR=2.0、95%CI [1.2, 3.3] 时，点估计 E-value 是 3.41，但 CI 下限 1.2 的 E-value 只有 1.69。后者才是「若真实效应在 CI 边缘，需要多强混杂才能把它推到 1」——这才是审稿人该问的。只报点估计 E-value 是一种乐观偏差。

【极难发现】E-value 只对「未测量混杂」这一个偏倚建模，且假设混杂因子是单个二值变量、与暴露和结局关联强度相等。它不管测量误差、选择偏倚、模型误设。更关键的是：它是在「你已正确调整了测量协变量」的前提下算的。如果你的 DAG 错了——调整了对撞因子，或漏了一个其实在你数据里的测量混杂因子——E-value 救不了你。它是一把尺子，量的是「还剩多少没测的混杂」，前提是你的调整集本身是对的。

一个具体教训：维生素 D 与 COVID-19 严重程度的观察性研究一度报出 RR≈2 量级关联，E-value 算下来约需 3.4 的混杂因子——听起来很强。但后来的孟德尔随机化（用基因变异做工具变量，天然规避混杂）基本把这个关联打回 1 附近（Butler-Laporte et al., Nature Communications 2021）。这说明 E-value 的「3.4 很强」是关于「单个未测混杂因子」的陈述，而现实中的偏倚往往不是单个变量，而是一整张相互纠缠的 DAG（肥胖、户外活动、炎症、社会经济地位同时作用）。E-value 的盲点不是数学，是它把「偏倚」简化成了「一个变量」。

我的立场：E-value 应成为观察性研究的标准报告项，与 p 值、CI 并列。但它不是免死金牌，它是一张「偏倚预算表」——告诉你还剩多少预算，不告诉你预算会不会被花掉。

值得辩论的问题：一个 RR=2 的观察性结论，E-value=3.4，但孟德尔随机化显示无效——你信哪个？我的答案：信 MR，但要求 MR 也报它自己的 E-value（针对水平多效性）。因为「工具变量有效」本身也是一个需要被检验的假设，而 E-value 恰好能量化「一条多效性通路要多强才能伪造出这个 MR 估计」。