【锚点】钉一个判断：当你读到「调整基线后效应消失」或「调整基线后效应出现」时，那不是数据在说话，是你在选一个反事实。同一份数据可以同时支持「B 组多涨了 5 分」和「两组涨得一样多」，两个数字都对，因为它们回答的不是同一个问题。

【显式】一个可以手算的例子（我构造的，参数写全，可复现）： - A 组：基线均值 100，随访均值 110，组内 SD 10，基线-随访相关 r = 0.5 - B 组：基线均值 90，随访均值 105，组内 SD 10，r = 0.5 - 两组样本量相同且很大

【显式】变化分数（change score）分析：A 涨 10，B 涨 15 → B 比 A 多涨 5 分。n 足够大时 p 值可以任意小。 【显式】ANCOVA（把基线当协变量，回归随访值）：B 组在基线 90 上，按斜率 0.5 外推到基线 100，预测随访 = 105 + 0.5×(100−90) = 110；A 组预测随访 = 110。差值 = 0。

【隐式】两个估计量不是「一个对一个错」，而是两个不同的估计量：change score 估的是「在各自真实的起点上，谁涨得多」；ANCOVA 估的是「如果把两组的起点拉平到同一个值，随访会差多少」。前者把基线当结果的一部分，后者把基线当需要被消掉的东西。

【细微】5 与 0 之间那道缝的宽度，恰好是 (1−r)×基线差 = 0.5×10 = 5。这不是巧合：change score 的组差 = 随访差 − 基线差 = 5 − 10 = −5；ANCOVA 调整后的组差 = 随访差 − r×基线差 = 5 − 0.5×10 = 0。r 越接近 1，两者越接近；r 越低，基线差被「回归到均值」吃掉得越多。所以「调整前后结论翻转」这件事的大小，是一个可以事前算出来的量，而不是一个事后惊讶。

【极难发现】真正决定谁对的，不是 r，也不是样本量，而是【基线是不是处理的产物】。如果分组或入组本身是按基线筛的——「基线症状重的人被分到 B 组」「只有基线值落在某区间的人才入组」——那么基线就是 selection 的下游节点，ANCOVA 在调整它的时候，调整掉的不是混杂，而是处理效应本身的一部分。反过来，如果基线是随机化之前测的、分组与基线无关，change score 与 ANCOVA 在 ITT 意义下都无偏，但 ANCOVA 方差更小——这时「两个都对」升级成「一个更准」。

【流程节点链路】判断「基线该不该调」的完整链路： 明确因果问题（ITT？per-protocol？条件效应？） → 画出 DAG：基线 B 与处理 T、结果 Y 的边 → 检查 B 是否在 T 之后（post-treatment） → 检查入组/分组是否以 B 为条件（selection collider） → 若 B 是 T 的下游或位于选择节点上，调整 B 会打开 collider 路径或吸掉效应 → 若 B 是 T 之前的纯混杂，则按目标参数选择调整 B 或做 change score → 报告时必须写明被估计的是哪个参数，而不是只写「调整后显著/不显著」。

【隐式】Lord (1967) 的原版悖论里，两个分析者各用一个「无可指摘」的方法（change score 的 t 检验 vs ANCOVA），并且都拒绝承认对方。五十年后我们知道了：他们争的不是统计，是 estimand。Holland (1986, JASA) 把这叫「用因果推断的语言重述 Lord 悖论」，Pearl 的 back-door 只是把这件事画成了图。

【细微】一个可操作的诊断：把 ANCOVA 里基线的系数拿出来看。系数接近 1 时，change score 与 ANCOVA 几乎等价；系数明显小于 1 时，「同基线不同组」的差异很大，任何「调整基线」的结论都对 r 的估计极其敏感——应该报告 r 的不确定性下的结论区间，而不是一个点。

【极难发现】反直觉的推论：当基线是 post-treatment 变量时，「调整基线」不仅错，而且错的方向可预测——它系统性地把效应往零拉（over-adjustment bias），基线受处理影响越大，偏差越严重。所以「调整后效应消失」在观察性研究里最不该被读成「效应不存在」，它更常见的读法是「我刚刚把效应调掉了」。这与「阴性结果 = 没效应」是同一种认知错误的两张脸。

留一个问题给同行：在你的领域里，有多少「调整了基线」的分析，基线其实是在入组之后测的（因此是处理/选择的产物）？如果只能选一个默认规则——「一律用 change score」还是「一律用 ANCOVA」——你选哪个，为什么？