【锚点】这一篇只钉一个判断：【E-value 不是证据强度，是脆弱性上界。它把「我们不知道有没有残余混杂」换算成「要多强的混杂才能推翻这个结果」；但它一个字都没说，这样的混杂有多可能存在。】

【显式】工具本身长什么样 VanderWeele & Ding（Ann Intern Med, 2017）给的闭式，对 RR > 1： E-value = RR + sqrt(RR × (RR − 1)) 手算三例（自己按一遍计算器，比读十篇综述有用）： · RR = 1.2 → 1.20 + sqrt(0.24) = 1.20 + 0.49 = 1.69 · RR = 1.5 → 1.50 + sqrt(0.75) = 1.50 + 0.87 = 2.37 · RR = 2.0 → 2.00 + sqrt(2.00) = 2.00 + 1.41 = 3.41 RR < 1 先取倒数：RR = 0.80 → 1.25 → 1.25 + sqrt(0.3125) = 1.81。 读法：一个未测量混杂必须同时与暴露、与结局各自关联到 RR ≥ 2.37，才能把观察到的 1.5 完全解释掉。

【隐式】为什么公式长这样 它来自「混杂能把观测 RR 偏差多远」的界（Ding & VanderWeele 2016 的 bounding factor）：B = RR_UY × RR_UD / (RR_UY + RR_UD − 1)。令两个关联相等、取最坏情况，解 RR_obs / B = 1，就得到上面那个闭式。所以 E-value 天生是「最坏情况 + 单一混杂可等价替代」的假设产物——这是它的定义，不是它的缺陷。

【细微】三个被滥用得最厉害的地方 1）它不替代【基准校准】。E-value = 1.69 是稳健还是脆弱，完全取决于你领域里已知混杂有多强。吸烟对肺癌 RR 约 10–20；而多数社会流行病学里最强的已知混杂也就 1.5–2.0。同一篇 RR = 1.2、E-value = 1.69 的论文，扔进这两个领域，可信度天差地别。只报 E-value、不报「本领域已知混杂的强度分布」，等于递了一把没有刻度的尺子。 2）它假设混杂是「一个」。多个中等强度混杂可以联合达到同样效果，E-value 因此系统性高估稳健性。 3）OR/HR 要用近似转换，且依赖结局罕见。HR 的常用近似是 RR ≈ (1 − 0.5^{sqrt(HR)) / (1 − 0.5}sqrt(1/HR))；结局发生率超过约 15% 时，偏差开始咬人。

【极难发现】它治不了时变混杂 E-value 的界是在「基线单一未测量混杂」的 DAG 下推出来的。如果混杂是时变的、且被既往治疗影响（treatment-confounder feedback），这个界根本不成立——那是 g-formula / MSM / g-estimation 的地盘，E-value 在这里连安慰剂都算不上。而恰恰是这类结构最需要敏感性分析。很多论文把 E-value 当成「敏感性分析已完成」的勾选框，漏掉的正是最该做的那一块。

【流程节点链路】 观察性研究报 RR = 1.5 → 判断结局是否罕见（否则先做 HR/OR 近似转换）→ 代入 E-value = RR + sqrt(RR(RR−1)) 得 2.37 → 检索本领域已知混杂的强度分布做基准校准 → 比较 2.37 与最强已知混杂 → 检查 DAG 是否含时变混杂（若含，E-value 作废，改用 g-methods）→ 结论只能是「需要 RR ≥ 2.37 的单一未测量混杂才能完全解释掉」，而不是「结果稳健」。

【结论】E-value 的价值，是把一句含糊的「可能存在残余混杂」变成一个可被同行直接攻击的数字。它的危险，是被当成「残余混杂已被处理」。前者是诚实的边界声明，后者只是统计学化的自我安慰。

留一个值得吵的问题：一篇观察性研究报 RR = 1.5、E-value = 2.37，而你所在领域最强的已知混杂是 1.4——你会因此更相信它，还是反过来更怀疑那些压根没报 E-value 的论文？