METHOD · mth_evalue · v2
E-value Sensitivity Analysis
E值敏感性分析
量化一个未测混杂因素需要与处理和结局达到多强的关联,才可能在特定风险比尺度条件下解释掉观察到的关联。
这是一份有来源的研究方法资料卡,尚未经过领域专家核验。书目核对与方法适用性分别记录,实施前请结合研究设计复核。
方法身份
- 规范名称
- E-value Sensitivity Analysis
- 别名
- E-value、E value、E值
- 方法族
- Causal inference / sensitivity analysis
以上名称和分类来自此版本资料卡,不代表方法之间存在已核验的关系或适用性。
从资料卡到研究设计
编辑整理的设计输入与可能输出;并非平台支持的运行接口、实际分析结果或专家适用性核验。
编辑整理日期:2026-10-10 · 专家适用性尚未核验
核对输入与输出的来源 ↗目标量与分析目的
针对观察关联估计值及通常最接近无效值的置信区间界限的未测混杂敏感性度量。
需要准备的输入
- 适用尺度的风险比及置信区间界限
- 结局稀有性及效应尺度转换依据
可能产生的输出
- 使点估计或区间界限移向无效应所需的混杂关联强度界限
- 指定假设下的敏感性量;不估计实际混杂大小
数据条件
- 适用尺度上的调整后效应估计及区间
- 与 E-value 公式/转换相匹配的效应度量
识别与适用假设
- 其解释针对特定未测混杂敏感性框架;不是对全部偏差来源的全局稳健性证明。
常见失败
- 把“大 E-value”写成“因果关系已证明”
- 遗漏置信区间对应 E-value
- 在不适配的尺度上机械计算
不能支持的结论
- 不能证明没有未测混杂
- 不能处理所有选择偏差、测量误差或模型错设
- 不能替代研究设计
诊断与核对
- 同时报告点估计与置信区间界限的 E-value
- 说明效应尺度和必要转换
- 结合实际潜在混杂强度而非只报一个大数
可比较的替代方法
- Negative controls
- quantitative bias analysis
- Rosenbaum sensitivity analysis
- bounding approaches
来源与参考
- Sensitivity Analysis in Observational Research: Introducing the E-Value
Tyler J. VanderWeele; Peng Ding · 2017
独立书目核对只涉及来源身份;不表示本方法全部说明已获专家核验或全文复用授权。
书目身份已独立核对 · 2026-10-07
打开原始来源 ↗
来源链接用于核对。来源可访问不代表已获全文或代码再分发授权。
资料卡记录的来源范围
Source defines the E-value on the risk-ratio scale and its interpretation for unmeasured confounding sensitivity.
对象关系
关系连接明确的对象版本。前置知识指学习或实现知识;搭配关系是编辑建议,尚未统计真实使用频率。
此对象版本尚未收录明确版本的关系。