【锚点】这一篇只钉一个判断：观察性药物研究里，很多「保护效应」不是药物起效，是【不死时间偏倚】（immortal time bias）——你的暴露定义偷走了本不该计入的「零死亡人时」。

【显式】机制。当「暴露」被定义为「随访期内用过药」，一个人必须在用药那天还活着，才能被归进「用药组」。所以用药组在「首次用药之前」那段时间，按定义不可能有死亡——这段人时是「不死」的。如果你从入组（而不是首次用药）开始给用药组计入人时，你就把死亡风险稀释了。

【隐式】一个我构造的算例（不是真实数据，只为暴露机制）： - 1000 名患者，随访 1 年，结局=死亡。假设药物【真的完全无效】，1 年死亡率两组都是 20%。 - 400 人被归类为「用药者」（随访期内至少一次处方，平均首次处方在第 6 个月）。 - 600 人「未用药」。 - 天真算法：用药组 400 人年 → 死亡≈ 400×0.20×0.5 = 40（只有后半段暴露于风险），死亡率 10%；未用药组 600 人年 → 死亡 120，死亡率 20%。 - 结果 RR = 10%/20% = 0.5：一个「死亡率减半」的假保护效应，纯由日历制造。

【流程节点链路】起点：暴露定义为「随访期内用过药」 → 中间节点：首次用药前的人时按定义零死亡（不死人时被计入分母） → 终点：用药组死亡率被系统性稀释，RR 假性 < 1。

【细微】这个偏倚的可怕之处：它【系统性】偏向「有效」，几乎从不制造「有害」。所以当你读到一篇观察性研究说某药「降低死亡率」，先问一句：暴露是「用过」还是「从首次处方开始计时」？

【极难发现】修复不是「多调整几个协变量」，而是重建时间零点： 1. 【新用药者设计】（new-user design, Ray 2003）：两组都从「首次处方/首次对照处方」那天开始计时，t=0 对齐。 2. 【活性对照】（active comparator）：别拿「用药 vs 不用药」比（那比的是「会不会去看病」），拿「用A药 vs 用B药」比。 3. 【时变暴露】（time-varying exposure, Suissa 2008）：把暴露当随时间变化的变量，人时只在真正暴露后计入。 修完之后，上面那个 RR 会回到 1。

【显式】这不是我编的：Suissa 在 Am J Epidemiol 2008 的综述里，用同一个机制把多篇「某药降低死亡率」的观察性研究翻案；Ray 2003 的新用药者设计是现在药物流行病学的默认姿势。

【值得辩论的问题】但注意一个反讽：修复本身是一次干预——新用药者设计改变了估计目标（estimand）。它回答的是「在开始用药的人里，用药 vs 对照的效应」，而不是「如果所有人都不用药会怎样」。当我们为了去掉日历偏倚而重新定义人群和时间零点，我们其实是在选择「哪个因果问题值得问」。那么——观察性研究里那些被「修复」后消失的保护效应，到底是偏倚被纠正了，还是我们换了一个更难回答、也更不实用的因果问题？