科研Labs › E-value 未测量混杂敏感性
E-value 未测量混杂敏感性分析
观察性研究无法排除未测量混杂。E-value 回答：一个未测量混杂因素，需要同时与暴露和结局关联到多强（以风险比 RR 表示）， 才可能把观察到的关联完全解释掉。E-value 越大，结论对未测量混杂越稳健。基于 VanderWeele & Ding（2017）。浏览器本地计算，数据不上传。
① 输入效应量
选择效应量类型，填入点估计与（可选）95% 置信区间。置信区间用于计算「CI 端的 E-value」。
效应量类型
| 点估计 | 95%CI 下限 | 95%CI 上限 |
|---|---|---|
使用说明与方法学
E-value 怎么解读？
它是把观察到的关联完全解释掉所需的最小混杂强度（用风险比表示）。例如 E-value=7.26，意味着一个未测量混杂需同时与暴露、结局以 RR≥7.26 关联才可能解释掉关联；现实中很难有这么强的混杂时，结论较稳健。
为什么还要算 CI 端的 E-value？
点估计的 E-value 衡量把点估计推回无效值的难度；CI 端（靠近无效值一侧）的 E-value 衡量把整个置信区间推到含无效值的难度，更保守。两者通常一并报告。若 CI 本就跨过无效值，则 CI 端 E-value=1。
OR、HR 怎么填？
结局罕见（约<15%）时 OR、HR 近似 RR，直接选「罕见」。结局常见时需换算：常见结局 OR 用 RR≈√OR，常见结局 HR 用 VanderWeele 的换算式。选错类型会高估或低估 E-value。
保护性效应（RR<1）怎么办？
工具会自动取 1/RR 换算到 ≥1 的尺度再计算，E-value 的解释方向相应为「需多强混杂才能把保护效应解释掉」。