敏感性分析

在因果推断中，敏感性分析旨在探讨研究结论对于其不可检验假设（最常见的是不存在未测量混杂的假设）的违反有多大的稳健性。它不将点估计视为最终结果，而是量化了隐藏偏倚需要达到何种强度才能解释或显著改变观察到的效应。

Definition

因果推断中的敏感性分析是一套方法，用于量化未测量偏倚（通常是未测量混杂）需要达到何种程度才能实质性地改变或消除估计的因果效应。

Scope

本主题涵盖了观察性研究中敏感性分析和定量偏倚分析的原理、足以推翻结果的未测量混杂因素的概念，以及E值等汇总指标。它是一份方法学参考资料，而非临床指导。

Core questions

• 因果估计对未测量混杂的稳健性如何？
• 隐藏偏倚需要多强才能解释结果？
• 如何向读者传达不可检验假设的影响？

Key concepts

• 未测量混杂
• 定量偏倚分析
• E值
• 偏倚界限
• 因果估计的稳健性

Mechanisms

敏感性分析承认关键的识别假设无法从数据中验证，转而探讨何种程度的违反会改变结论。Ding和VanderWeele（ding-vanderweele-2016）推导出了界限，表明未测量混杂因素在其与暴露和结局的关联中需要多强才能解释观察到的关联，而无需对混杂因素的分布做出假设。在此基础上，E值（vanderweele-ding-2017）将结果概括为未测量混杂因素与暴露和结局都需要达到的最小关联强度，才能完全解释估计值；E值越大表示稳健性越强。此类分析补充了细致的调整，而细致的调整本身必须避免通过不适当的协变量选择引入偏倚（schisterman-2009）。

Clinical relevance

敏感性分析告诉读者观察性因果主张能有多大的可信度，这对于评估治疗和暴露的证据至关重要。它描述了证据的稳健性，而不是个体诊断或治疗决策的基础。

Epidemiology

在观察性流行病学和比较有效性研究中，定量偏倚分析和E值越来越多地与主要估计值一起报告，因为未测量混杂是一个持续存在的问题。E值尤其被广泛采纳作为简洁的稳健性总结（vanderweele-ding-2017）。

History

针对未测量混杂的正式敏感性分析起源于20世纪中期关于观察性因果主张的争论，现代定量偏倚分析在流行病学教科书中得到了系统化（rothman-2008）。Ding和VanderWeele（ding-vanderweele-2016）的假设较少的界限以及随后的E值（vanderweele-ding-2017）使得此类分析足够简单，可以进行常规报告。

Debates

E值应如何解释和使用？

E值提供了一个方便的稳健性总结，但评论员提醒，它不能替代对哪些混杂因素是合理的以及它们实际可能有多强的实质性推理。

Key figures

• Tyler VanderWeele
• Peng Ding
• Sander Greenland
• Timothy Lash

Seminal works

• ding-vanderweele-2016
• vanderweele-ding-2017

Frequently asked questions

E值能告诉你什么？

它报告了未测量混杂因素与暴露和结局都需要达到的最小关联强度，才能完全解释观察到的效应；E值越大意味着结果对这种混杂的稳健性越强。

敏感性分析能证明结果是正确的吗？

不能。它不证实因果关系；它量化了研究结果对特定未测量偏倚的稳健性，而这些偏倚的合理性则留待实质性判断。