科研工具 · 数据本地计算 · 免费
🛡️
在线 E-value（未测量混杂敏感性分析）
观察性研究无法排除未测量混杂。E-value 回答：一个未测量混杂因素需同时与暴露和结局关联到多强（以风险比 RR 表示），才可能把观察到的关联完全解释掉。支持 RR、OR、HR（区分结局罕见/常见），给出点估计与置信区间端两个 E-value。基于 VanderWeele & Ding（2017）。浏览器本地计算、数据不上传。
打开工具 →浏览器本地计算 · 不上传数据 · 免费
🛡️
稳健性量化
需多强混杂才能解释掉关联。
🔁
多效应量
RR/OR/HR，分罕见/常见结局。
📏
点估计+CI
同时给 CI 端 E-value，更保守。
常见疑问
E-value 越大越好吗？
对支持因果的结论，E-value 越大说明越难被未测量混杂解释掉、越稳健。需结合现实中是否可能存在这么强的混杂判断。
和调整混杂是两回事吗？
是。E-value 不替代对已知混杂的调整，它评估的是『在已调整之外，还需多强的未测量混杂才能推翻结论』。
现在就算 E-value
打开工具 →结果仅供科研参考，请结合专业判断，并以原始数据可复算为准。