队列研究发现关联，为何还不能直接写成原因：时间顺序、混杂与敏感性分析怎么读

一篇医学队列研究发现，某种暴露出现得越多，后来发生某种疾病的人也越多。二手文章常把“相关”压缩成“导致”，再把调整后的风险比当作因果证明。这样的改写省掉了研究最需要读懂的部分。

队列研究的优势是让时间向前走。研究者可以先记录暴露，再观察结局，确认两者的先后。可是原因判断还需要回答另外几个问题：比较组是否合理，两组起点是否可比，暴露与结局是否测准，失访是否改变样本，换一种合理分析后结果是否仍然成立。

时间顺序只回答了第一层问题

若疾病在暴露之前已经发生，暴露不可能是该疾病的后续原因。队列设计把暴露、随访和结局放进时间轴，因此比一次横断面观察更适合讨论方向。

但“先发生”不是“由它造成”。年龄、原有疾病、社会经济条件、生活方式和就医机会，都可能早于结局，也可能影响一个人是否进入暴露组。时间顺序挡住了明显的倒因果，却没有自动平衡这些差异。

还要看暴露窗口怎样定义。处方日期、取药日期和实际使用日期并不相同。FDA的M14指引特别要求说明暴露开始、持续时间、剂量与风险窗口。时间轴画错，所谓“暴露在前”也可能只是资料编码在前。

先看研究问题与比较组是否对应

研究问题不能只写“暴露是否有影响”。它应明确人群、暴露、比较对象、结局、时间和场景。不同问题需要不同的比较组。用药者与完全不用药者相比，可能在病情严重度和就医行为上已经不同；与使用另一种同适应证药物的人相比，起点或许更接近。

FDA 2026年指引把数据的相关性与可靠性、研究设计和分析方法、以及限制对结果解释的影响列为三个联合部分。一个很大的数据库只解决样本数量，不保证比较对象合适，也不保证关键变量完整。

比较组的作用，是近似回答同一批人在没有该暴露时会怎样。现实中无法同时观察同一个人在同一时刻的两种状态，所以研究设计只能寻找足够相似的参照。若参照组与暴露组接受治疗的原因不同，差异可能来自原有病情，而不是暴露本身。

混杂不是统计表中的勾选项

混杂指第三个因素同时关联暴露与结局，又不位于两者的因果路径上。它会让真实效应看起来更强、更弱，甚至制造本不存在的关联。

研究者可用限制、匹配、分层、回归或倾向评分处理已经识别并测量的混杂因素。关键不在调整项目多，而在为何选择这些因素、测量是否可靠，以及有没有把因果链上的中间变量误当成混杂因素。

FDA指出，非介入性研究通常无法捕捉所有相关混杂因素。病情严重度、既往用药、合并症、体弱程度与生活方式，都可能缺失或测得不准。模型只能调整数据库里有合适定义的资料，未知或粗糙测量的因素仍会留下残余混杂。

因此，看到“已校正年龄、性别和若干疾病”时，不应立刻把关联改写成原因。先问这些变量是否覆盖了最重要的共同原因，再看作者有没有解释无法测量的部分会把估计推向哪个方向。

选择与测量会改变观察到的人群

选择偏倚发生在进入研究、留在随访或进入最终分析的机会与暴露和结局有关时。队列若只分析资料完整者，失访者却更常来自高风险暴露组，留下的人就不再代表原来人群。

FDA举出的既有使用者偏倚很典型。已经持续用药一段时间的人，是度过早期风险并留在治疗中的人。若早期发生不良事件后停药者未被纳入，研究可能低估风险。

信息偏倚来自误分类或测量误差。一次诊断代码可能只是排除性检查，处方记录不一定代表实际服用，自报暴露也可能记错。扩大样本能缩小随机误差，却不能修正系统性错分；错误若持续一致，大数据只会更精确地估计一个偏掉的数字。

STROBE要求论文交代纳入标准、参与者流程、变量来源、测量方法、缺失资料和失访处理。读者要判断的不只是“有没有写”，还包括定义是否适合问题，以及暴露组与比较组是否用同样方式测量。

调整前后结果要连同精度一起看

STROBE要求同时报告未调整和调整后的估计，并说明纳入哪些混杂因素以及理由。两组数字的变化能提示模型对结果影响多大，却不能单独告诉我们哪个数字就是真实因果效应。

若调整后关联明显减弱，说明已测因素解释了部分差异。若几乎不变，可能代表这些因素影响有限，也可能是测量粗糙，或遗漏了更重要的共同原因。两种情况都需要结合研究设计判断。

置信区间表示估计的统计精度。区间很宽时，数据仍容许从较小到较大的多种效应。统计显著只表示在模型假设下与零差异不相容到某种程度，并不检验选择偏倚、误分类或未测量混杂是否存在。

相对风险还应配合绝对风险。风险比相同，在罕见结局和常见结局上的现实影响不同。若文章只摘最大的相对数字，不写事件数、基线风险和随访时间，读者无法判断差异的实际大小。

敏感性分析检验假设而非消除不确定性

敏感性分析会改变一个关键假设，再观察结论是否稳定。例如改用不同暴露窗口、结局定义、缺失资料处理或比较组，也可以估计未测量混杂需要多强才会推翻结果。

FDA要求每项敏感性分析说明理由、强项和限制，并尽量预先写进方案。事后看到数据才挑选有利分析，容易让表面稳健来自选择，而不是证据本身。

结果在多种合理设定下方向一致，会增强可信度。若轻微改变定义就让估计消失或反转，结论应更保守。但稳定不等于所有偏倚都已排除，因为分析只能检验被提出的情境。

数量偏倚分析还可以估计误分类、未控制混杂或选择偏倚对方向和幅度的影响。它把“可能有偏倚”变成可讨论的范围，却仍依赖输入参数和结构假设。

因果语言应随证据强度改变

证据只显示两组发生率不同，可以写“与……相关”。时间顺序明确、比较组合理、关键混杂处理充分且多种分析一致时，可以写“支持因果解释”，同时列出假设与限制。

只有在设计与多来源证据共同排除主要替代解释后，才适合使用更强的原因语言。实验、自然实验、不同人群重复结果、生物机制和剂量反应可以互相补强，但任何单项证据都不应被孤立放大。

STROBE本身也划出边界。它是透明报告清单，不是研究质量评分工具。论文把每一项写全，能让读者看见设计与限制；写全并不保证处理方法足够，也不保证因果成立。

把论文转成一张可核对的问题单

阅读时先写下研究问题和时间轴：谁在何时进入，暴露如何开始，随访多久，结局怎样确认。再核对比较组是否代表合理参照，以及两组是否来自相近的医疗和社会环境。

随后检查调整因素的选择理由、测量质量和时间点。把未调整与调整后估计、事件数、绝对风险和置信区间放在一起，避免只抄一个最醒目的风险比。

还要追踪纳入人数、排除原因、失访比例、缺失资料处理和敏感性分析。作者列出的限制不是礼貌性结尾，而是决定因果措辞能走多远的条件。

最后把结论分成三层：研究直接观察到的事实，基于设计与分析作出的推论，以及仍未解决的不确定性。若二手文章把三层压成一句肯定句，就应回到原文核对。

队列研究能提供重要的现实证据，尤其适合无法随机分配的暴露和长期结局。它的价值不需要靠夸大因果来证明。把时间顺序、比较组、混杂、测量和稳健性放回句子里，结论反而更准确，也更能帮助读者判断下一项证据应补在哪里。

资料来源

• U.S. Food and Drug Administration：《M14 General Principles on Planning, Designing, Analyzing, and Reporting of Non-interventional Studies That Utilize Real-World Data for Safety Assessment of Medicines》，发布或更新于 2026-03-01

• PLOS Medicine：《The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for Reporting Observational Studies》，发布或更新于 2007-10-16

参考资料

• 美国食品药品监督管理局，《M14：使用真实世界数据开展药品安全非介入性研究的一般原则》，2026年3月。
• PLOS Medicine，《加强观察性流行病学研究报告质量声明》，2007年10月16日。