DRPP科研工作台上新科研工具，从文献检索到参考文献格式调整：去使用科研工作台>>

在医学研究论文中，“本研究旨在探讨X与Y之间的关联”几乎是一种标准句式。尤其面对观察性数据时，许多研究者会主动回避“效应”“影响”或“导致”等因果表述，认为这样更稳妥，也更不容易受到审稿人质疑。

但这种写法真的更严谨吗？Labrecque和Kezios在2026年发表于BMJ的方法学文章《How and when to use causal and associational language》中指出：如果研究真正关心的是改变某种暴露或治疗是否会改变健康结局，那么研究问题本质上是一种因果关系。此时，用笼统的“关联”替代因果语言，可能掩盖研究的真实目标，并使研究问题、分析方法和结果解释彼此脱节。

作者援引的一项文献调查发现，在五本顶级流行病学期刊的随机样本中，约69%的论文似乎具有因果研究目标，却在研究问题中使用了association、risk factor、linked to或related to等非因果语言。这并不意味着这些论文的分析必然错误，而是提示研究目标与语言表达之间存在普遍错位。 

图1. BMJ文章题录信息，https://www.bmj.com/content/392/bmj-2025-085749

一、关联为何不足以界定因果研究问题

从统计学角度看，关联只是两个变量之间的数值关系。即便研究对象相同，粗模型、纳入不同协变量调整模型都会报告不同的数值。它们可能相近，甚至完全相同，但在概念上并不是同一个量。

因此，如果研究目的只写“估计X与Y之间的关联”，读者仍然不知道作者具体关注哪一种关联。观察到的关联可能包含因果关系、混杂偏倚、选择偏倚/碰撞分层、测量误差四种不同机制。单独使用“关联”一词，并不区分这些可能性。

如果研究者真正想知道“对X进行干预后，Y是否会改变”，那么问题的核心在于识别一个预先定义的因果效应，而不是简单的一种关联关系。

二、困境1：研究方法不应反过来定义研究问题

文章通过一段虚构的合作者对话说明这一点。假设研究者写道：“本研究旨在估计维生素B补充剂与痴呆风险之间的关联。”合作者追问：这里指粗关联，还是调整协变量后的关联？

研究者于是将问题改为：“估计调整年龄、性别、基线认知、载脂蛋白E和教育水平后，维生素B补充剂与痴呆风险之间的关联。”表面上看，问题变得具体了，但新的矛盾随之出现。

科学研究通常应先明确想知道什么，再决定如何分析。协变量往往是在研究问题确定后，根据专业知识和因果图选择的。如果必须先完成变量选择，才能在研究问题中说明关注哪一种关联，研究问题便在一定程度上被分析方法反向定义。

因果效应则不依赖某一组调整变量来定义。在反事实框架下，研究者关注的是：如果目标人群接受某种暴露或干预，结局会怎样；如果同一目标人群处于另一种暴露或干预状态，结局又会怎样。协变量调整是识别这一目标量的手段，而不是研究问题本身。

三、困境2：未测量混杂究竟影响什么