别再混用“因果”和“关联”了！BMJ教你三组术语的规范用法

上一期讨论了为什么因果研究问题不宜被笼统地写成“研究关联”。但明确这一原则后，一个更实际的问题随之而来：“关联（Association）”、“因果效应（Causal Effect）”、“估计的因果效应（Estimated Causal Effect）”三个术语分别指什么，又应当出现在论文的哪些部分？

BMJ文章给出的建议并不是在整篇论文中反复使用因果措辞，而是区分研究目标、统计结果和因果解释三个层次。语言使用得是否准确，取决于当前谈论的是哪一个量。

图1. BMJ文章题录信息，https://www.bmj.com/content/392/bmj-2025-085749

一、因果效应是真实

但不可直接观测的目标量

因果效应是研究者真正希望了解的科学量。例如，研究者可能关心：如果目标人群都服用维生素B补充剂，其五年痴呆风险是多少；如果同一目标人群都不服用，风险又是多少。两个反事实情境之间的差异，就是目标因果效应。

同一个人在同一时间不可能同时处于两种相互排斥的暴露状态，因此个体层面的两个潜在结局无法被同时观察。研究者只能借助研究设计、数据和假设，在人群层面估计相应的因果效应。

“因果效应”适合在引言中用于陈述研究目标，也可以在方法部分用于定义目标估计量。在讨论偏倚时，还可以用它指代研究者希望逼近的真实因果量。需要强调的是，提出这一目标并不等于已经获得无偏的因果估计。例如可以写：“本研究旨在估计维生素B补充剂对五年痴呆风险的因果风险差。”这句话说明研究者想回答什么，并未提前宣告研究已经证明因果关系。

二、关联是统计分析得到的数值关系

关联描述两个变量之间的数值关系，不对这种关系的形成机制作出判断。研究者拟合一个调整年龄、性别和教育水平的回归模型后，模型直接返回的是特定调整条件下的关联，而不是自动识别出的真实因果效应。

因此，在方法部分描述估计程序，以及在结果部分报告效应估计值、置信区间和不确定性时，通常应使用关联性语言。例如：“调整已测量的混杂因素后，服用与未服用维生素B补充剂人群的五年痴呆关联性风险差为−5%。”

关联并不是因果效应的反义词。因果作用可以产生关联，混杂、选择机制和测量误差同样可以产生关联。是否能够进一步作出因果解释，需要结合研究设计和因果假设判断。

三、估计的因果效应是有条件的解释

“估计的因果效应” （Estimated Causal Effect）是指研究者在特定因果假设成立的条件下，对关联估计作出的因果解释。其中“估计的（estimated）”十分重要，它提醒读者：这个数值不是已经被直接观测到的因果事实，而是依赖研究设计、数据质量和因果假设的估计结果。

这一术语主要适用于讨论部分。当研究者从“模型估计了什么”过渡到“这一结果可能意味着什么”时，应同步说明因果解释所依赖的条件，例如无重要未测量混杂、合理的正值性与一致性、无严重选择偏倚，以及暴露和结局得到充分测量。规范表述可以是：“维生素B补充剂对五年痴呆风险的估计因果风险差为−5%。这一解释依赖于相关因果假设，而这些假设无法仅凭观测数据得到完全验证。”

图2.三类术语的定义及建议使用场景

四、偏倚讨论不能止于可能存在混杂

许多论文在局限性部分仅写一句：“由于本研究为观察性研究，可能存在残余混杂。”这句话没有错，但能够提供的信息十分有限。更有价值的讨论应尽量说明：哪些重要变量可能未被测量，为什么它们可能同时影响暴露和结局，预计会使估计值偏向哪个方向，以及偏倚是否足以改变主要结论。

研究者可以利用有向无环图说明变量选择背后的因果结构，也可以采用定量偏倚分析评估未测量混杂或测量误差可能造成的影响。负对照、证据三角互证等方法也能帮助判断结果能否在不同设计、数据来源和假设下保持一致。这些方法不能自动证明因果关系，但能够让因果论证更加透明，使读者更清楚地判断关联估计与目标因果效应之间可能存在多大距离。

五、三类研究问题应使用不同语言

因果性研究关心改变暴露、治疗或政策是否会改变健康结局。此时，研究目的可以使用effect、impact或intervention等具有因果指向的词。例如：“本研究旨在估计他汀类药物使用对LDL-C水平的因果效应。”

描述性研究关注疾病或健康指标在人群中的分布、差异、模式和趋势，适合使用describe、characterize、differences、distribution和trends等词。即使进行了年龄标准化等调整，也应说明调整是为了实现人群间的可比描述，还是服务于因果识别。

预测性研究关注个体或人群未来发生结局的可能性，核心目标是提高预测性能，适合使用predict、forecast、risk score、prognostic或risk stratification等词。预测因子不一定是结局的原因，也不一定适合作为干预靶点。

图3.因果性、描述性和预测性研究问题的语言选择

六、按论文结构选择合适的表述

在引言中，应明确研究真正想回答的问题。因果研究可以说明拟估计某种暴露或干预的因果效应；描述性研究应说明拟描述何种分布或差异；预测研究则应说明拟开发或验证何种预测工具。

在方法部分，可以定义目标因果效应，同时准确说明统计模型实际估计的关联量、协变量调整策略和识别假设。方法描述不能用因果词汇替代具体的统计操作。

在结果部分，应忠实报告分析得到的关联估计及其不确定性。统计学显著并不等同于因果假设成立，也不能仅凭P值将关联直接表述为因果效应。

在讨论部分，可以在明确假设边界的前提下，将关联解释为估计的因果效应。同时，应系统评估未测量混杂、选择偏倚、测量误差、正值性和一致性等问题。

总结

表示因果关系的语言不会让研究结果自动变得更“因果”，关联语言也不会自动使一项研究更加谨慎。这篇BMJ方法学文章为医学科研论文规范使用因果与关联语言提供了清晰指引，有助于区分科学目标、统计估计和因果解释，促进研究问题、分析方法与结论表述保持一致。

参考文献：Labrecque, J. A., & Kezios, K. L. (2026). How and when to use causal and associational language. BMJ (Clinical research ed.), 392, e085749. https://doi.org/10.1136/bmj-2025-085749

交互式统计分析实操工具

医咖会上线了“在线交互式统计实操分析”工具，将SPSS教程内容融入其中，包含从开始选择数据到最后生成结果描述的完整流程。提供多种示例数据，也可以上传自己的数据。