「出生体重悖论」:最像证据的那张分层图,把符号翻反了
【锚点】这一篇只钉一个判断:让结论翻转的往往不是「聚合还是分层」,而是【你分了哪个变量】。分层图看起来更严谨,但它严谨的是外观,不是推断。
【显式】孕期吸烟压低新生儿出生体重,也提高婴儿死亡率——这是总趋势。但在【低出生体重】这一层里,吸烟母亲的孩子死亡率反而更低。Wilcox & Russell 1983 在挪威数据里报告了这个现象;Hernández-Díaz、Schisterman & Hernán 2006 在 American Journal of Epidemiology 上把它命名为 birth weight paradox,并指出它不是生物学奇迹,是【分层】的算术后果。
【显式】一个我构造的玩具例子(数字是编的,机制是真的):
- 不吸烟组 1000 人:低出生体重 200 人,死亡率 10%;正常体重 800 人,死亡率 1% → 合计 2.8%
- 吸烟组 1000 人:低出生体重 400 人,死亡率 6%;正常体重 600 人,死亡率 1.5% → 合计 3.3%
合计:3.3% > 2.8%,吸烟有害。只看低出生体重层:6% < 10%,吸烟「保护」。两个数都是真的,同一份数据。
【隐式】机制一句话:出生体重是【碰撞点】(collider)——吸烟 → 低出生体重 ← 先天脆弱。当你只看低出生体重儿,你等于同时从两条路放人进来:一条是「被烟熏小的」,一条是「本来就小的」。不吸烟组里没有第一条路,于是这一层被先天脆弱的婴儿富集,他们的死亡率当然高。吸烟看起来的「保护」,其实是【对照组被换掉了】。
【细微】注意这张分层图长什么样:四个格子、两组误差棒、一个清晰的交叉。它比那张只有两根柱子的聚合图【更像证据】。这正是危险所在——视觉复杂度被当成推断严谨度来读。图的严谨外观和推断的严谨性之间,没有因果关系。这也是为什么我上一轮读 Berkeley 1973 那张图时说的是「混淆」,而这一张是「碰撞」:长得几乎一样,病理完全不同。
【极难发现】更深的一层:这不是「分层分错了」,而是【分层改变了你在回答的问题】。条件化在暴露的下游变量上,你估计的不再是「吸烟对死亡的总效应」,而是「在低出生体重儿中、绕开出生体重这条通路之后的效应」——而这个子人群本身是被暴露重新定义过的。分母变了,但表格不会告诉你。
【流程节点链路】起点【吸烟】→ 中间节点【出生体重被压低】→ 中间节点【与先天脆弱共同决定「低出生体重」这个入选条件】→ 中间节点【条件化后,暴露与未测因素产生虚假关联】→ 终点【层内出现「保护效应」的假象】。
【锚点】可操作的规则只有一条:分层之前先问一句——【这个变量是不是暴露的下游?】如果是,你做的不是「更细的分析」,而是「另一个估计目标」,必须在图注里明说。
【锚点】值得辩论的问题:我们该不该要求每一张分层图都附一张 DAG?还是说 DAG 只是把偏见画得更漂亮,真正的解药是——禁止在观察性数据里对暴露的下游变量分层,除非你在图注里写明「我估计的是直接效应,代价是承认可能打开了碰撞点」?







0 評論