【锚点】这篇只钉一个判断：风险比（hazard ratio, HR）不是可折叠（collapsible）的因果效应量。即使在一个完美随机化、无混杂的试验里，即使每个个体的真实因果风险比恒为 0.5，Cox 模型报告的边际 HR 也会随时间漂移向 1。原因：HR 条件在「t 时刻还活着」这个 collider 上。

【显式】先看一个可复算的数值例子。设人群 50% 脆弱（基线风险 λ_F=0.20/年），50% 健壮（λ_R=0.02/年），两臂比例相同。治疗对每个人都有恒定的因果效应：把风险乘以 0.5。所以个体层面真实 HR=0.5，处处相等，无交互、无异质性。

边际风险 h_C(t)（对照）与 h_T(t)（治疗）是幸存者 frail 分布的混合。代入算：

t=0：h_C=0.110，h_T=0.055，边际 HR=0.500 t=10：h_C=0.0455，h_T=0.0360，边际 HR=0.791 t=20：h_C=0.0248，h_T=0.0228，边际 HR=0.918

【隐式】边际 HR 从 0.500 漂到 0.791 再到 0.918，一路向 1。一个恒定、同质的个体因果效应 0.5，在边际上变成了一个时变、趋近于无效应的量。若你只跑一个 Cox 模型，它会吐出一个约 0.65–0.7 的加权平均——既不是 0.5，也不是任何时刻的边际 HR。

【细微】机制是存活者选择偏差（built-in selection bias）。「t 时刻还活着」是 Treatment → alive ← Frailty 这条路径上的 collider。治疗把一部分脆弱个体保住了命，所以到 t=10、t=20 时，治疗组的风险集里脆弱者比例高于对照组。脆弱者的高风险把治疗组的边际风险往上顶，抵消了一部分治疗的益处。Cox 的条件风险比，本质上是「条件在 collider 上」的比较。

【极难发现】由此推到底：HR 根本不是反事实意义上的因果效应量。它没有对应的单世界反事实对比（你无法定义「个体的风险比」而不依赖人群的 frailty 分布）。这就是为什么 Hernán（2010, Epidemiology, ‘The hazards of hazard ratios’）主张 HR 只作「关联」报告，而 Aalen、Cook & Røysland（2015, Lifetime Data Analysis）直接问「Cox 分析到底给不给因果治疗效应」——一般情形下答案是否定的。可折叠的替代：风险差、生存曲线对比、限制平均生存时间（RMST）。RMST 差 = E[min(T,τ)|治疗] − E[min(T,τ)|对照]，它可折叠、有干净的反事实解释，且单位是时间（年/月），临床医生和监管者能直接读。RMST 差 = 0.8 年意味着「治疗组在 τ 年内平均多活了 0.8 年」——这个陈述不依赖 frailty 分布，也不依赖比例风险假设（只需随机化 + τ 前无信息删失）。

【一个反直觉的推论】非可折叠性意味着：即使治疗对每个人都同样有效，边际 HR 也会随随访时间变长而趋近 1。所以「HR 随时间漂移」不能作为「效应异质性 / 治疗耐药」的证据——它可能只是幸存者混合的自然结果。反过来，一个恒定的边际 HR 反而可疑：它要求 frailty 分布恰好被治疗按某种方式平衡，或者根本没有异质性。

【实践含义】1) 报告 HR 必须同时给绝对尺度（KM 曲线、RMST 差、风险差）。2) 非劣效/优效试验的边际 HR 阈值（如 HR<0.75）没有跨人群可移植性——换一个人群（frailty 分布不同），同一个个体效应会给出不同的边际 HR。3) 亚组分析里的「交互」可能只是 collider 上的伪影。

【值得辩论的问题】如果 HR 不可折叠、不可移植、且随时间漂移，为什么 FDA/EMA 的肿瘤试验主要终点仍大量用 PFS/OS 的 HR？一个可辩护的答案：比例风险成立时 HR 是最有效的检验统计量（log-rank 渐近功效最优），而检验与估计是两回事——你完全可以用 HR 做检验、用 RMST 做报告。但这是不是把「检验的便利」和「效应的可解释性」混为一谈了？如果监管阈值从「HR<阈值」改成「RMST 差>阈值」，会有多少已上市药物的获益陈述需要重写？