2.3 因果推断：证词矛盾时如何定案

2.3 因果推断：证词矛盾时如何定案

本节摘要：嫌疑人画像画了、组织重组了，证词却互相矛盾——吸烟者和不吸烟者都有人得肺癌，补充维生素的人和不补充的人都有人得感冒。这时候侦探靠什么裁决？本节给出因果定案的四条标准：关联强度、时序先后、剂量反应、干预实验；再介绍反事实思维与孟德尔随机化两件现代工具。读完你就能给每个病因假设打证据分，而不是凭直觉信"有研究表明"。

学习目标

阅读完本节，你应当能够：

1. 列出"相关不等于因果"的五种常见混淆场景。
2. 用四条标准给一个病因假设做证据评估。
3. 解释反事实思维的含义，并用它设计一个验证方案。
4. 说明孟德尔随机化为什么能规避混杂，及其适用边界。

一、一个经典的判案翻车现场

冰激凌销量上升的月份，溺水事故也在上升。按"相关即因果"的逻辑，应该禁止冰激凌来防溺水——这显然是错的。真实的解释是第三变量：夏天到了，两者都涨。这个段子级的例子，在医学研究里每天都在上演。甲状腺结节检出率上升，同时期手机使用率也上升，于是有人断言"手机辐射导致甲状腺结节"；实际是超声普及让原本看不见的结节现了形，两个"上升"只是共享了时间趋势。

医学里把这类干扰称为混杂。要定罪一个病因，光有相关远远不够。本节给你一套定案工具箱。

二、四条标准：法庭上的证据规则

第一，关联强度。暴露者发病的风险是非暴露者的多少倍，这是最直观的证据。吸烟者肺癌风险约为非吸烟者的二十倍，强关联；某个微量营养素与某种疾病的关联通常只有一点几倍，弱关联，更可能被混杂解释掉。强度本身不是充分条件，但它是一个分诊器——强关联值得追查，弱关联先存疑。

第二，时序先后。原因必须在结果之前。这条看似废话，执行起来却常常翻车。睡眠不足与抑郁高度相关，但先有鸡还是先有蛋？纵向研究发现儿童期睡眠问题预测成年期抑郁，方向明确；而成人期抑郁与失眠互相加剧，双向因果。时序分析能分辨"因在前"还是"互为因果"。

第三，剂量反应。暴露越多，结局风险越高，因果的分量加重。吸烟量与肺癌风险几乎呈线性上升，这条证据极大地巩固了烟草的定罪。反过来，若剂量曲线是平的——暴露程度不同但结局不变——说明那个"暴露"可能只是结局的伴随物。

第四条也是最硬的一条，干预实验。随机分组，一组暴露，一组不暴露，比结局。随机化切断了已知和未知的所有混杂，是因果推断的黄金标准。随机对照试验在药物领域是常态，在生活方式与环境污染领域却常常不可行——你不能随机让一半人吸烟二十年。于是需要替代方案，这就是反事实思维和孟德尔随机化登场的地方。

三、反事实思维：如果历史被改写

因果问题本质上是反事实问题：假如这个人从没吸过烟，他还会得肺癌吗？反事实思维的核心是"想象一个被改写的世界"，然后比较两个世界的结果差异。

难点在于，同一时刻只能存在一个世界——每个人要么吸烟要么不吸，你永远无法同时观察两种情况。统计学家发明了各种手段逼近反事实：匹配法（给吸烟者找一群各项指标都相近但不吸烟的对照）、倾向性评分（用概率模型找出"被吸烟的倾向"相同的人）、工具变量（找一个只影响暴露、不影响结局的第三方变量）。

逼近反事实的价值在于，它把"这人有病，因为此人吸烟"这种事后归因，替换成"如果这人当时被成功劝阻戒烟，结局会如何"的可计算问题。这也是第 7 章防控干预的理论支点：干预就是主动改写反事实。

四、孟德尔随机化：基因掷的骰子

有一类工具变量是天赐的：基因。受精时等位基因随机分配，相当于大自然替我们做了一次随机分组。出生时带不带某个影响饮酒的基因变体，与这个人的社会经济地位、饮食习惯、环境污染无关——那些混杂因素在基因分配面前被切断了。

这就是孟德尔随机化的逻辑：如果你想知道喝酒是否真的损害认知，去找一个影响饮酒量的基因位点，比较携带不同版本基因的人（他们的饮酒量系统不同）的认知结局。由于基因分配早于一切生活方式，时序确定；由于等位基因与生活方式混杂因素无关，混杂被切断。2023 年一项大规模孟德尔随机化研究就利用这种设计，为"长期饮酒加速脑萎缩"提供了比观察研究硬得多的证据。

但孟德尔随机化有边界。基因只解释暴露的一小部分变异，效应估计往往宽泛；基因多效性（一个基因同时影响多个性状）会重新引入混淆；它回答的是"终身平均暴露"的因果问题，而非"现在开始戒一年酒"这种短时问题。工具再好，也要看清适用区间。

五、案例：咖啡这个反复翻案的老案

咖啡与健康，是因果推断方法演进的活档案。上世纪八十年代，观察研究一致报告"咖啡增加心血管风险"。九十年代，控制吸烟等混杂后风险大幅缩水——原来喝咖啡的人更爱抽烟。进入二十一世纪，大规模前瞻队列反复更新：适量饮用与心血管风险降低相关，而不是升高。到底是保护还是伤害？

用四标准重审：关联强度——弱到中等；时序——前瞻队列确认咖啡摄入在前；剂量反应——呈 J 型曲线，少量保护、大量风险回归；干预实验——部分随机试验显示咖啡提高血压，但长期结局不明。结论只能用概率语言表述：对多数健康成年人，适量咖啡的净风险很低，很可能还有保护作用；对血压敏感者，另当别论。这个结论远不如"咖啡致癌""咖啡防癌"吸引眼球，但它是符合证据等级的真实答案。

⚠️ 常见坑：用单一观察研究下绝对结论。医学新闻最喜欢把一项观察研究翻译成"XX 导致 XX"，实际多数观察研究只能提供"值得怀疑"的证据，离定罪还差四条标准的全检。

💡 关键直觉：怀疑一个因果结论时，最快的一问是"如果没有混杂，这个关联还在吗？"想得出可能的混杂，就动手查它的方法学。

工具变量的一种直觉

理解孟德尔随机化之前，先理解工具变量的直觉：你需要一个变量，它只影响"暴露"，不影响"结局"，也不被混杂因素影响。基因正好是近乎理想的候选——受精时等位基因随机分配，天然独立于后天的收入、教育、生活方式。但自然实验不等于完美实验：基因变异对暴露的解释力通常很弱，效应估计的置信区间很宽；基因多效性意味着一个变体同时影响多个性状时，它就不再是干净的工具。孟德尔随机化回答的是"终生平均暴露的因果效应"这个长周期问题，把它当短时干预依据就会用错工具。

本节要点回顾

• 四条标准：关联强度、时序先后、剂量反应、干预实验，联合使用才够定罪。
• 混杂是头号敌人：冰激凌与溺水共享夏天，医学版翻车每天发生。
• 反事实即因果：因果是"改写历史后世界如何不同"的可计算问题。
• 孟德尔随机化：基因的随机分配是天然实验，但受多效性与弱工具限制。
• 咖啡案启示：证据等级决定结论的措辞，好结论往往不性感。

病因定案后，凶手怎么实施犯罪？下一章进入作案过程——发病机制的完整推演。