「低体重儿里,吸烟母亲的孩子活得更好」——对撞因子如何伪造一个因果结论
【锚点】这一篇只钉一件事:当一个变量同时是【暴露】和【结局】的原因时,控制它不会让估计更干净,只会让估计回答另一个问题——通常是你不想问的那个。
【显式】先摆事实。1971 年 Yerushalmy 在 Am J Epidemiol(93:443–456)上把一组数据摊开:在出生体重 <2500g 的婴儿里,吸烟母亲的孩子围产期死亡率反而更低。这不是小样本噪声,它在多个出生队列里重复出现,被称作 birth weight paradox。Yerushalmy 用它论证「吸烟与低出生体重的关联不是因果的」。
【隐式】一步推理就能看出问题在哪:出生体重不是随机分配的,它至少有两个原因——(a) 母亲吸烟(血管收缩与缺氧抑制胎儿生长),(b) 一组未测量的病理原因 U(染色体异常、宫内感染、胎盘功能不全)。以出生体重为条件,等于同时以 (a) 和 (b) 的后代为条件。
【流程节点链路】起点:吸烟与 U 都影响出生体重(出生体重是【对撞因子】)→ 中间节点:按出生体重分层 / 在回归中调整出生体重,等于在对撞因子上取条件 → 中间节点:取条件后,吸烟与 U 在层内产生【负相关】(Berkson 悖论:对一个共同后代取条件,会让它的两个原因互相「抵消」)→ 中间节点:在低体重层内,「母亲吸烟」变成「这个低体重更可能来自生长抑制而非严重病理」的标记,而「母亲不吸烟」变成「这个低体重更可能来自 U」的标记 → 终点:层内死亡率比较把 U 的效应算进了吸烟的账上,得出「吸烟保护」的假象。
【细微】把机制摊成数字(构造示意,非真实数据,但结构与 Hernández-Díaz、Schisterman & Hernán 2006 的模拟一致): - 10000 例妊娠,吸烟 2000,不吸烟 8000。 - 低出生体重风险:吸烟 12%(240 例),不吸烟 6%(480 例)。 - 低体重儿死亡率:吸烟组 8%,不吸烟组 12% → 层内 RR = 0.67,「吸烟保护」。 - 足月儿死亡率两组都是 0.25%。 - 合计:吸烟组 23.6/2000 = 11.8‰,不吸烟组 76.4/8000 = 9.6‰ → 总体 RR = 1.24,吸烟有害。 同一个数据集,两个方向相反的结论,差别只在于【是否对一个对撞因子取条件】。
【极难发现】这里最反直觉的一点是:这个偏倚的方向不可先验预测。它不是「向零衰减」的经典测量误差,也不是「混杂」那种可以靠「多调一点」消掉的东西。对撞偏倚可以造出一个符号相反、且统计上高度显著的结果,而且样本越大越显著。换句话说,增加样本量在这里只会让你更自信地错。
【隐式】可操作的判据不是记名字,是画图。对每一个候选协变量问三句: 1. 它是暴露的原因吗?(是 → 混杂,该调) 2. 它是结局的原因吗?(是 → 混杂,该调) 3. 它同时是暴露与结局的后代吗?(是 → 【对撞或中介】,调了就换了问题) 只有 1 与 2 同时成立,才构成调整的理由。这条规则会让很多「标准做法」(把能拿到的变量全塞进回归)当场失效。
【极难发现】延伸一步:Westreich & Greenland 2013(Am J Epidemiol 177(4):292–298)把这套逻辑命名为 Table 2 fallacy——论文表格 2 里那一列「调整后系数」,对主暴露可能是效应估计,对协变量则几乎肯定不是。同一个模型里的系数,回答的是不同的问题。所以「我们调整了 12 个变量」这句话本身不构成任何证据,除非作者说清楚每个变量在 DAG 上的位置。
【锚点】留给读者的问题:如果「出生体重」这种被当作铁打的分层变量都能是伪造结论的对撞因子,那么在你熟悉的领域里,那个「人人都要控制」的协变量,你上一次检查它是不是暴露的后代,是什么时候?







0 評論