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>>

上一期明明研究“因果”，却只敢写“关联”？BMJ指出69%顶刊论文存在目标与表述错位讨论了为什么因果研究问题不宜被笼统地写成“研究关联”。但明确这一原则后，一个更实际的问题随之而来：“关联（Association）”、“因果效应（Causal Effect）”、“估计的因果效应（Estimated Causal Effect）”三个术语分别指什么，又应当出现在论文的哪些部分？

BMJ文章给出的建议并不是在整篇论文中反复使用因果措辞，而是区分研究目标、统计结果和因果解释三个层次。语言使用得是否准确，取决于当前谈论的是哪一个量。

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

一、因果效应是真实但不可直接观测的目标量

因果效应是研究者真正希望了解的科学量。例如，研究者可能关心：如果目标人群都服用维生素B补充剂，其五年痴呆风险是多少；如果同一目标人群都不服用，风险又是多少。两个反事实情境之间的差异，就是目标因果效应。

同一个人在同一时间不可能同时处于两种相互排斥的暴露状态，因此个体层面的两个潜在结局无法被同时观察。研究者只能借助研究设计、数据和假设，在人群层面估计相应的因果效应。

“因果效应”适合在引言中用于陈述研究目标，也可以在方法部分用于定义目标估计量。在讨论偏倚时，还可以用它指代研究者希望逼近的真实因果量。需要强调的是，提出这一目标并不等于已经获得无偏的因果估计。例如可以写：“本研究旨在估计维生素B补充剂对五年痴呆风险的因果风险差。”这句话说明研究者想回答什么，并未提前宣告研究已经证明因果关系。

二、关联是统计分析得到的数值关系

关联描述两个变量之间的数值关系，不对这种关系的形成机制作出判断。研究者拟合一个调整年龄、性别和教育水平的回归模型后，模型直接返回的是特定调整条件下的关联，而不是自动识别出的真实因果效应。

因此，在方法部分描述估计程序，以及在结果部分报告效应估计值、置信区间和不确定性时，通常应使用关联性语言。例如：“调整已测量的混杂因素后，服用与未服用维生素B补充剂人群的五年痴呆关联性风险差为−5%。”

关联并不是因果效应的反义词。因果作用可以产生关联，混杂、选择机制和测量误差同样可以产生关联。是否能够进一步作出因果解释，需要结合研究设计和因果假设判断。

三、估计的因果效应是有条件的解释

“估计的因果效应” （Estimated Causal Effect）是指研究者在特定因果假设成立的条件下，对关联估计作出的因果解释。其中“估计的（estimated）”十分重要，它提醒读者：这个数值不是已经被直接观测到的因果事实，而是依赖研究设计、数据质量和因果假设的估计结果。

这一术语主要适用于讨论部分。当研究者从“模型估计了什么”过渡到“这一结果可能意味着什么”时，应同步说明因果解释所依赖的条件，例如无重要未测量混杂、合理的正值性与一致性、无严重选择偏倚，以及暴露和结局得到充分测量。规范表述可以是：“维生素B补充剂对五年痴呆风险的估计因果风险差为−5%。这一解释依赖于相关因果假设，而这些假设无法仅凭观测数据得到完全验证。”