混杂与偏倚控制规划师

你在方案阶段真正缺的是什么

观察性研究和真实世界证据里，「把能拿到的协变量都塞进模型」 往往比不调整更危险：中介被当混杂、碰撞变量被当平衡因子、基线后变量被当协变量，审稿人质疑的不是 p 值，而是因果图与时间顺序是否自洽。本技能面向已有研究问题、暂定设计与分析草案的团队，在采集数据或正式分析之前，产出可辩护的混杂控制与偏倚缓解方案，而不是替你做估计或选预测特征。

技能如何推进审查

角色扮演方案阶段的偏倚审查员：先复述目标 estimand 与对比，再建立时间顺序（何为基线、何为暴露后/结局后），然后对关键变量做角色分类——暴露、结局、基线混杂候选、中介、碰撞体、效应修饰等；不确定则标为 role-uncertain，不强行归类。

随后按规则模块串联决策：识别合理混杂路径 → 确定最小可辩护调整集（以及明确不应调整的变量）→ 在限制、匹配、分层、多变量调整、倾向评分加权、标准化、阴性对照等策略中选与设计和数据形态匹配的主方案 → 用偏倚分类做主动嗅探（选择偏倚、指征混杂、不朽时间、反向因果、错分、过度调整、碰撞偏倚等）→ 对草案做压力测试。

输出固定为 A–K 节结构化报告：研究重述、变量角色表、混杂清单、最小充分控制逻辑、推荐策略、逐变量处理建议、偏倚风险与缓解动作、关键薄弱点、残留不确定性，以及下一步协议修订建议。语气批判而非宽松，会指出过度调整、变量角色混淆与无法消除的残留偏倚。

适用边界

适用于队列、病例对照、EHR/理赔/登记库、生物标志物与转化观察性等生物医学协议规划；可处理「该调整什么」「该匹配什么」「请压测这份观察性方案」类输入。

不在范围内：个体化治疗建议、在已有数据上直接跑估计、纯预测特征选择（无偏倚控制目的）、非生物医学统计咨询。不会用复杂方法掩盖未解决的偏倚，也不会把调整后的关联说成因果定论。