在无真实关联时，测量误差校正是否会引入正向偏倚？

本文是对一次国际流行病学家会议中非正式讨论的回应。讨论的核心是一种可能广泛存在的担忧：当不存在真实关联时，测量误差校正方法可能会在流行病学研究结果中引入正向偏倚。我追溯了这一假设的可能历史，并在经典乘法测量误差模型下，针对连续和二元健康结局进行了模拟研究来检验它。使用了贝叶斯测量校正方法。主要结论是，对假定测量误差的校正不会“引入”正向关联，尤其是当结果解释的重点从点估计上移开时。这与20世纪90年代引入流行病学家的早期测量误差校正方法的性质一致。本文提供了一个启发式论证来支持这一观察在贝叶斯框架下的普适性。我发现，当不存在真实关联时，正向偏倚只能通过不可辩护地操纵先验（使其主导数据）来引入。在流行病学家的培训中，应更清楚地解释关于测量误差校正引入偏倚的误解，以确保测量误差校正程序的适当（和更广泛）使用。本文可以得出的简单信息是：“不要关注点估计，而要关注反映估计变异性的边界之间的差距。”当然还有：“将测量误差视为一个可处理的问题，它值得比仅仅进行定性（敷衍的）讨论多得多的关注。”