源自風暴統(tǒng)計網：一鍵統(tǒng)計分析與繪圖的AI網站

一份被奉為金科玉律的清單，正在誤導我們對因果的判斷？

2025年11月22日，國際流行病學領域的三位權威學者在《Journal of Clinical Epidemiology》（醫(yī)學二區(qū)，IF=5.2）上發(fā)表了一篇重磅觀點文章，明確指出：60年前英國統(tǒng)計學家希爾的九個考慮因素（常被稱為“希爾準則”）不應被用作判斷因果關系的“檢查清單”或算法式評分工具。

希爾是誰？

希爾是20世紀最杰出地流行病學家，公眾號之前報道過地：大家可以看看哈

20世紀最著名的流行病學與醫(yī)學統(tǒng)計學家：他是如何改變現(xiàn)代醫(yī)學進程的？

HLL準則，著名的因果關系鑒定清單

• 關聯(lián)強度：效應值（RR、OR 等）越大，越不易被隨機誤差或單一混雜完全解釋；

• 一致性：在不同人群、地區(qū)、研究設計與時間段內重復觀察到同向關聯(lián)；

• 特異性：暴露與特定人群、特定疾病部位/類型之間的對應關系越唯一，越支持因果

• 時序性：暴露必須先于結局發(fā)生——這是唯一被希爾視為“必要”的條件；

• 生物學梯度：暴露劑量增加，風險呈單調上升（或下降）趨勢；

• 合理性：關聯(lián)與當前生物學、病理學知識相容；

• 實驗證據：存在隨機對照試驗、自然實驗或政策干預等實驗性數據支持；

• 類比性：與其他已證實因果關系的暴露-結局模型相似，可間接增強因果信念。

我們該如何進行因果推斷：希爾法則的現(xiàn)代解釋

這篇文章其實并未否定希爾準則的價值，而是重新詮釋，并指出現(xiàn)代方法如何更直接地解決其試圖提示的問題。

例如，在原來的關聯(lián)強度上，我們不應僅僅滿足于詢問“關聯(lián)強嗎？”，而應直接進行定量偏倚分析，評估混雜等因素需要多強才能完全解釋所觀察到的關聯(lián)（例如使用E值）。

再比如，合理性原本強調在機制上講得通，就可以在因果關系上“加分”，但“講得通”不等于“講得對”。

生物學證據是因果推斷的重要組成部分，但有其獨立性。缺乏生物學合理性不能否定流行病學發(fā)現(xiàn)，反之，強大的生物學理論也不能彌補拙劣的流行病學證據。兩者應相輔相成。

提出新的因果推斷策略

作者在文章最后建設性地提出了一套替代“檢查清單”思維的策略：

• 關聯(lián)開始：明確測量的關聯(lián)與潛在因果效應之間的差距就是偏倚。

• 識別主要威脅：基于專業(yè)知識，確定對當前研究主題最可能、影響最大的偏倚來源（如混雜、測量誤差、選擇偏倚等），而非平均對待所有“考量”。

• 評估競爭理論：系統(tǒng)性地提出并評估能夠解釋所觀察關聯(lián)的非因果理論（偏倚解釋）。

• 進行定量評估：盡可能使用定量偏倚分析來估計這些偏倚的可能方向、大小和影響。

• 綜合判斷：因果推斷的結論，是在反復挑戰(zhàn)和排除各種看似合理的競爭性偏倚解釋后，因果解釋的合理性逐漸增強的過程。這是一個漸進式的、基于證據權衡的判斷，而非二元化的“證實/證偽”。