【锚点】本轮只讲一个【因果推断】判断：【控制共同后果（collider）会把原本独立的变量绑在一起；这不是混杂，而是选择偏差。】

【流程节点链路：定义T与O独立→让T、O共同影响S→计算总体独立→在S=1子样本中条件化→T与O出现虚假关联→把S误当混杂去控制】

设 T（治疗）与 O（严重度）在总体中独立，P(T=1)=P(O=1)=0.5。再设 S=1（进入研究、被收治或活到随访）的概率：T0O0=0.1，T1O0=0.4，T0O1=0.4，T1O1=0.8。

【显式】总体里 T 与 O 独立：P(T=1,O=1)=0.25=0.5×0.5。

【隐式】但在 S=1 中：P(T=1|O=0,S=1)=0.10/(0.025+0.10)=0.80；P(T=1|O=1,S=1)=0.20/(0.10+0.20)=0.67。于是「不严重」反而更像被治疗，OR≈2。

【细微】这个关联没有混杂来源：T 与 O 没有共同原因，也没有被遗漏的第三变量；它来自我们只看见 S=1 的样本。

【极难发现】S 的下游变量也会继承这个 collider：被收治、通过筛选、完成随访、被发表，都是 S 的 descendant；控制它们同样可能打开 T→S←O 这条原本被阻断的路径。

所以，下一项研究里，当你想「控制入院状态、存活状态、完成状态」时，请先问：它是混杂、中介，还是 collider？若它同时被原因和结果影响，控制它可能不是在清除偏差，而是在制造偏差。

【值得辩论的问题】如果一项研究只能分析「完成随访者」，你是否会先报告「completion 是 collider」，再谈效应？