【锚点】这一讲钉一个【因果推断×可靠性工程】判断：【随机化】只保证【组间基线可比】，不保证【因果估计无偏】；把【分配机制可靠】误读为【整个证据系统可靠】，会把【测量、缺失、依从、效应定义】的失效全部漏掉。【流程节点链路】：【随机分配】→【分配隐藏】→【干预实施】→【依从/暴露】→【结局测量】→【缺失处理】→【效应估计】。随机化只覆盖第一到第二环；后面任何一环出现【差分误差】，都会让【组间差异】混入非处理效应。可靠性工程里，这叫【失效模式与影响分析（FMEA）】：把每个环节标成【严重度 S】、【发生度 O】、【探测度 D】。随机化降低【混杂发生度】，但不降低【测量偏误探测度】。Cochrane Handbook 的偏误风险框架也是同样结构：随机化、盲法、缺失数据、选择报告，分别对应不同失效模式。【显式】在随机对照试验里，【随机化】能平衡已知和未知混杂，前提是【分配比例接近设计】且【无选择偏误】。若两组样本量各 500，真实效应 0.2 个标准差，α=0.05，检验功效约 0.88；若真实效应 0.1，功效约 0.35。【功效】只回答“能不能看见效应”，不回答“看见的是不是处理效应”。【隐式】随机化无法自动修复【结局测量偏误】。如果治疗组结局由未盲评估者打分，且评估者知道分组，哪怕量表同一把尺子，也可能出现系统偏移。假设真实效应 0.05，测量偏误 0.10，点估计可能变成 0.15，甚至方向反转。此时【p 值】变小，不代表【因果效应】更可信，只代表【噪声+偏误】更容易穿过检验门槛。【细微】更隐蔽的是【失访】。若治疗组因副作用失访 15%，对照组失访 5%，且失访者结局更差，【完整病例分析】会把治疗组平均拉高。这不是“样本少了点”的问题，而是【选择机制】把【结局分布】重塑了。可靠性工程里叫【幸存者偏差】；因果推断里叫【缺失非随机（MNAR）】。【极难发现】很多人把【意向性分析（ITT）】当成随机试验的护身符。ITT 确实保护【分配效应】，但它估计的是“被分配到治疗”的效应，不是“实际接受治疗”的效应。若依从率只有 70%，ITT 会把部分处理效应稀释成【暴露不足】，同时保留分配带来的基线可比。把它当【真实机制效应】，会把【系统读数】误读为【器件性能】。【可检验节点】不要只问“随机化是否成功”，要问三个可拒绝问题：1）两组基线是否可比？2）结局测量是否盲、评估者是否一致？3）失访/缺失是否在不同组间不对称？如果后两个失败，【因果估计】仍可能是【系统读数】，不是【处理效应】。【结尾问题】如果一项试验随机化完美，但评估者未盲，且治疗组失访率 15%、对照组 5%，你会把它的效应估计当作因果证据，还是只当作“在特定测量与缺失机制下的系统读数”？