臨床/流行病學研究有一條廣泛認可的原則：

要加進模型的協(xié)變量應該是“有可能發(fā)生混雜的變量”：即，那些既影響暴露（或分組），也影響結(jié)局結(jié)果因素（醫(yī)學、臨床預設的因果路徑），

不要亂加“中介變量”（暴露→結(jié)局路徑上的變量），會把效應“調(diào)沒”，

不要加一堆“純預測因子”或臆想變量、和暴露/結(jié)局都沒啥關(guān)系的變量，純純噪音，且增加模型不確定性。

一句話：

“既不過度調(diào)整，也不遺漏關(guān)鍵混雜，只涵蓋真正有可能產(chǎn)生混雜的變量”——這就是理想的回歸模型配置。

工具/經(jīng)驗法則參考：

10 events per variable（EPV）原則：每進1個變量，需至少10個結(jié)局事件（如100例發(fā)生心梗，最多建10個協(xié)變量模型）——防止過擬合/不穩(wěn)定。

Directed acyclic graph（DAG，因果圖）：用來理論上判定該納入誰，少走彎路。

經(jīng)驗+文獻+統(tǒng)計診斷工具結(jié)合。