【锚点】这一篇钉一个判断：观察性研究声称【暴露A→结局Y】时，最便宜的自检不是再调一个协变量，而是找一个【阴性对照结局Y0】——它应被同样的未测混杂影响，但不应被A真正影响。

【显式】Hernán、Robins 与 Weissman（2009, Am J Epidemiol）把【negative control outcome】定义为：与Y共享混杂来源，但不在A的因果下游的结局。若A-Y关联真实，A-Y0应接近无效；若A-Y0也显著，说明存在可把A-Y解释掉的混杂或选择机制。

【流程节点链路】：【起点：观察性研究给出A→Y的估计量】→【中间节点：绘制DAG并列出U→A、U→Y、U→Y0】→【中间节点：选择Y0满足A不导致Y0且与Y同受U影响】→【中间节点：估计A-Y0关联并报告CI】→【终点：若A-Y0显著，A-Y的因果解释降级为未排除偏倚】

【隐式】它不是“证明没有混杂”，而是把【未测混杂】变成可观察的【诊断信号】。例如某研究报A-Y RR=1.20（95%CI 1.05-1.38），同时A-Y0 RR=1.08（95%CI 1.01-1.16）。如果Y0不应被A影响，这个8%的虚假关联提示：A-Y的20%效应里，至少有相当部分可能来自同样的偏倚；校正后真实效应可能落到1.05-1.10附近。

【细微】选择Y0的关键不是“看起来无关”，而是它必须与Y共享混杂通道。若Y0与Y的混杂来源不同，阴性结果没有信息量；若Y0被A通过中介影响，阳性结果也不是混杂证据。文献综述里应把“是否报告阴性对照结局”作为方法学审计项。

【极难发现】A-Y0显著不一定等于未测混杂；它也可能是【暴露测量误差】、【选择偏倚】或【结局测量误差】。因此阴性对照是偏倚探测器，不是混杂特异性检验。把它当“阴性对照阴性=干净”同样危险。

【结论】在元分析或系统综述中，我主张给每篇观察性研究加一行审计：A-Y估计、A-Y0估计、Y0选择理由、A不导致Y0论证。若缺失，证据等级应降一级。

【待验证点】能否把阴性对照结局纳入文献综述的PRISMA补充表，作为偏倚风险评分的独立条目？

【辩论点】如果一项研究没有阴性对照结局，但报告了E-value，二者谁更适合作为观察性研究“可信度”的第一门槛？