Słownik metodologiczny · Wnioskowanie przyczynowe

E-wartość (E-value) – jak silne musiałoby być niezmierzone zakłócenie?

E-wartość mówi, jak silny musiałby być niezmierzony czynnik zakłócający, by wyjaśnić obserwowany związek. Podajemy wzór, E-wartość dla przedziału ufności, przykłady z R, zdanie do pracy i ograniczenia.

Strona główna / Słownik / E-wartość
W skrócie: E-wartość to najmniejsza siła związku (na skali ryzyka względnego), jaką niezmierzony czynnik zakłócający musiałby mieć z ekspozycją i z wynikiem, by całkowicie wyjaśnić obserwowany efekt. Dla RR > 1 wynosi RR + √(RR × (RR − 1)); podaje się ją też dla granicy przedziału ufności.

Co to jest E-wartość?

E-wartość (ang. E-value) to najmniejsza siła związku, na skali ryzyka względnego, jaką niezmierzony czynnik zakłócający musiałby mieć zarówno z ekspozycją, jak i z wynikiem, by po uwzględnieniu zmierzonych zmiennych całkowicie wyjaśnić obserwowany związek (VanderWeele i Ding, 2017). Duża E-wartość oznacza, że potrzeba silnego zakłócenia; mała – że wystarczy słabe. To forma analizy wrażliwości w badaniach obserwacyjnych.

Jak liczyć

Dla RR > 1: E = RR + √(RR × (RR − 1)). Dla RR < 1 najpierw bierze się odwrotność 1/RR. Wzór wynika z czynnika ograniczającego Dinga i VanderWeele'a (2016), który nie wymaga założeń o naturze zmiennej zakłócającej. E-wartość liczy się też dla granicy przedziału ufności bliższej 1; gdy przedział obejmuje 1, wynosi ona 1. Według Dinga i VanderWeele'a (2016) przy rzadkim wyniku te same granice stosuje się do ilorazu hazardów, a iloraz szans z regresji logistycznej przybliża wtedy RR.

Przykład

Dla RR = 1.80, 95% CI [1.25, 2.60] E-wartość wynosi 3.00, a dla dolnej granicy 1.81. Dla efektu ochronnego RR = 0.70 [0.55, 0.89] otrzymujemy 2.21 i 1.50. Dla RR = 1.30 [0.95, 1.78] – 1.92, ale dla przedziału już 1. Zakłócacz o sile RR = 2 w obu kierunkach daje czynnik ograniczający 1.33, więc mógłby obniżyć RR = 1.80 najwyżej do 1.35.

Na rysunku

Rysunek odwraca pytanie z przykładu: zamiast jednej liczby pokazuje, ile może zostać z RR = 1.80 [1.25, 2.60], gdy zakłócacz jest coraz silniejszy. Dla prostoty obie siły są równe (RR z ekspozycją = RR z wynikiem = s), a oszacowanie i granice przedziału dzieli się przez czynnik ograniczający Dinga i VanderWeele'a (2016). Kod niczego nie losuje.

Wykres liniowy: na osi poziomej siła zakłócacza s od 1 do 4, na osi pionowej w skali logarytmicznej najniższe możliwe RR po korekcie. Pasmo przedziału ufności zaczyna się od 1.25–2.60 przy s = 1 i opada w prawo; linia ciągła oszacowania zaczyna się przy 1.80. Linia przerywana dolnej granicy przecina poziomą linię RR = 1 przy E = 1.81, a linia oszacowania przy E = 3.00. Pionowa linia kropkowana przy s = 2 z opisem: RR najwyżej obniżone do 1.35
Rysunek 1. Najniższe możliwe ryzyko względne i 95% przedział ufności po korekcie na niezmierzony czynnik zakłócający o sile s dla RR = 1.80 [1.25, 2.60]. Obliczenia: R, pakiet ggplot2 (wartości wyliczone ze wzoru).

Co widać. Przy s = 1 (brak zakłócenia) pasmo to zwykły przedział [1.25, 2.60]. Im silniejszy zakłócacz, tym niżej może zejść całe pasmo. Dolna granica dotyka RR = 1 przy s = 1.81, a samo oszacowanie – przy s = 3.00. To są dokładnie dwie E-wartości z przykładu: E-wartość to miejsce, w którym krzywa przecina linię braku efektu. Zakłócacz o sile 2 obniża oszacowanie najwyżej do 1.35, a dolną granicę do 0.94 – przedział obejmowałby już 1, choć oszacowanie wciąż wskazuje związek.

Na co uważać. Rysunek pokazuje tylko zakłócacze o równych siłach obu związków. Słaby związek z ekspozycją i silny z wynikiem też może wyjaśnić wynik – pełną krzywą takich par i zależność E-wartości od RR pokazuje wpis E-wartość – jak odporny jest wynik na niezmierzone zakłócenie. Krzywa to granica najgorszego przypadku: prawdziwy zakłócacz o sile 2 może przesunąć wynik mniej. Rysunek nie mówi też, czy taki zakłócacz istnieje – siłę s porównaj z siłą zmierzonych zmiennych. Jak zakłócanie wygląda na danych, pokazuje wpis Zmienna zakłócająca i collider – wizualizacja.

Podpis do pracy:

Rysunek 1. Najniższe możliwe ryzyko względne (linia ciągła) i 95% przedział ufności (pasmo) po korekcie na niezmierzony czynnik zakłócający o sile s, związany z ekspozycją i z wynikiem ryzykiem względnym s. Uwaga. Obserwowane RR = 1.80, 95% CI [1.25, 2.60]. Wartości obliczono, dzieląc oszacowanie i granice przedziału przez czynnik ograniczający s² / (2s − 1) (Ding i VanderWeele, 2016). Punkty przecięcia z linią RR = 1 to E-wartości: 3.00 dla oszacowania i 1.81 dla dolnej granicy przedziału.

Kod poniżej odtwarza rysunek i liczby z tego akapitu. Jest samowystarczalny: prosty motyw i kolory Okabe–Ito definiuje sam. Rysunek na stronie powstał z tego samego obiektu p1 z motywem serwisu – dane, geometrie i skale są identyczne, różni się tylko krój czcionki. Zakres s od 1 do 4 i położenie etykiet wybrano ręcznie.

Kod R rysunku 1
# Rysunek 1. Jak bardzo zakłócacz o rosnącej sile może obniżyć RR = 1.80 [1.25, 2.60]
library(ggplot2)

motyw <- theme_minimal(base_size = 14) +
  theme(panel.grid.minor = element_blank(), legend.position = "bottom",
        plot.title = element_text(face = "bold"))

rr <- 1.80; ci <- c(1.25, 2.60)                    # wynik z przykładu hasła
B <- function(s) s * s / (2 * s - 1)               # czynnik ograniczający przy RR_EU = RR_UD = s
e_wartosc <- function(x) x + sqrt(x * (x - 1))
sila <- seq(1, 4, by = 0.01)
d <- data.frame(s = sila, est = rr / B(sila), dol = ci[1] / B(sila), gor = ci[2] / B(sila))
round(c(E_punkt = e_wartosc(rr), E_CI = e_wartosc(ci[1]), B_przy_2 = B(2), RR_przy_2 = rr / B(2),
        dolna_przy_2 = ci[1] / B(2)), 2)

znaczniki <- data.frame(s = c(e_wartosc(ci[1]), e_wartosc(rr)), y = 1,
                        opis = sprintf("E = %.2f", c(e_wartosc(ci[1]), e_wartosc(rr))))
p1 <- ggplot(d, aes(s)) +
  geom_ribbon(aes(ymin = dol, ymax = gor), fill = "#56B4E9", alpha = 0.35) +
  geom_line(aes(y = est), linewidth = 1.2, colour = "#0072B2") +
  geom_line(aes(y = dol), linewidth = 0.7, linetype = "dashed", colour = "#0072B2") +
  geom_hline(yintercept = 1, linewidth = 0.6) +
  geom_point(data = znaczniki, aes(y = y), shape = 21, size = 3.5, fill = "white", stroke = 1.2) +
  geom_text(data = znaczniki, aes(y = y, label = opis), vjust = 1.9, size = 4.2) +
  annotate("segment", x = 2, xend = 2, y = 0.5, yend = rr / B(2), linetype = "dotted") +
  annotate("text", x = 2.05, y = rr / B(2), hjust = 0, vjust = -0.6, size = 4,
           label = sprintf("s = 2: RR najwyżej obniżone do %.2f", rr / B(2))) +
  annotate("text", x = 3.6, y = c(rr / B(3.6), ci[1] / B(3.6)), vjust = -1.2, size = 3.9,
           label = c("oszacowanie", "dolna granica 95% CI")) +
  scale_y_log10(breaks = c(0.5, 0.75, 1, 1.25, 1.5, 2, 2.6)) +
  scale_x_continuous(breaks = 1:4) +
  coord_cartesian(ylim = c(0.5, 2.7)) +
  labs(title = "Ile zostaje z RR = 1.80 przy zakłócaczu o sile s",
       x = "Siła zakłócacza: RR z ekspozycją = RR z wynikiem = s",
       y = "Najniższe możliwe RR po korekcie (skala log)") + motyw
p1   # zapis: ggsave("e-wartosc-e-value-sila-zaklocacza.svg", p1, width = 8, height = 5.6)
Wynik w R
     E_punkt         E_CI     B_przy_2    RR_przy_2 dolna_przy_2 
        3.00         1.81         1.33         1.35         0.94 

Jak opisać w pracy

Związek ekspozycji z wynikiem (RR = 1.80, 95% CI [1.25, 2.60]) mógłby zostać w całości wyjaśniony tylko przez niezmierzony czynnik zakłócający związany z ekspozycją i z wynikiem ryzykiem względnym co najmniej 3.00 każdy, po uwzględnieniu zmierzonych zmiennych; dla dolnej granicy przedziału ufności E-wartość wyniosła 1.81.

Na co uważać

  • Brak progu. Ioannidis i in. (2019) zauważają, że E-wartość jest prawie liniową funkcją oszacowania i nie istnieje ogólna granica „wystarczająco dużej”. Porównaj ją z siłą znanych zakłócaczy w dziedzinie.
  • Tylko zakłócanie. Nie obejmuje błędu selekcji, pomiaru ani wybiórczego raportowania.
  • Nie zastępuje projektu. Dobór zmiennych z grafu przyczynowego i metody takie jak propensity score są ważniejsze niż sama liczba.

Więcej przykładów daje wpis E-wartość – jak odporny jest wynik na niezmierzone zakłócenie, a inne analizy wrażliwości – Analiza wrażliwości w artykule naukowym.

Przykład reprodukowalny

E-wartość w R

Kod liczy E-wartość ze wzoru VanderWeele'a i Dinga dla trzech przykładowych ryzyk względnych i granic ich przedziałów ufności oraz czynnik ograniczający dla zakłócacza o zadanej sile.

E-wartości dla oszacowania punktowego i przedziału ufności

Dane wejściowe: trzy przykładowe wyniki RR z 95% CI (wartości umowne, bez losowania).

Co odczytać: kolumny E_punkt i E_CI oraz czynnik ograniczający B i najmniejsze RR po korekcie.

R
e_wartosc <- function(rr) {                 # VanderWeele i Ding (2017)
  rr <- ifelse(rr < 1, 1 / rr, rr)          # efekt ochronny: odwrotność RR
  rr + sqrt(rr * (rr - 1))
}
przyklady <- data.frame(
  opis = c("RR = 1.80 [1.25, 2.60]", "RR = 0.70 [0.55, 0.89]", "RR = 1.30 [0.95, 1.78]"),
  rr = c(1.80, 0.70, 1.30), granica = c(1.25, 0.89, 0.95))  # granica CI bliższa 1
przyklady$E_punkt <- round(e_wartosc(przyklady$rr), 2)
przyklady$E_CI <- ifelse((przyklady$rr > 1 & przyklady$granica <= 1) |
                         (przyklady$rr < 1 & przyklady$granica >= 1), 1,
                         round(e_wartosc(przyklady$granica), 2))  # CI obejmuje 1 -> 1
przyklady[, c("opis", "E_punkt", "E_CI")]
# czynnik ograniczający Dinga i VanderWeele'a (2016) dla zakłócacza o RR_EU = RR_UD = 2
B <- 2 * 2 / (2 + 2 - 1); round(c(B = B, RR_skorygowane = 1.80 / B), 2)
Wynik w R
                    opis E_punkt E_CI
1 RR = 1.80 [1.25, 2.60]    3.00 1.81
2 RR = 0.70 [0.55, 0.89]    2.21 1.50
3 RR = 1.30 [0.95, 1.78]    1.92 1.00
             B RR_skorygowane
          1.33           1.35

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). Rysunek 1 wykonano w pakiecie ggplot2 i zapisano pakietem svglite. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An 'SVG' graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite

Najczęstsze pytania

Jaka E-wartość jest wystarczająco duża?

Nie ma uniwersalnego progu. Porównaj E-wartość z siłą związków znanych czynników zakłócających w twojej dziedzinie: jeśli żaden nie jest tak silny, wynik jest odporniejszy.

Dlaczego E-wartość dla przedziału ufności wynosi 1?

Bo przedział już obejmuje 1, czyli brak efektu. Do przesunięcia granicy przedziału na wartość zerową nie trzeba wtedy żadnego niezmierzonego zakłócenia.

Czy E-wartość można policzyć dla ilorazu hazardów?

Tak, przy rzadkim wyniku do końca obserwacji wzór dla RR stosuje się do HR (Ding i VanderWeele, 2016). Przy częstym wyniku potrzebna jest konwersja opisana w literaturze źródłowej.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Ding, P., & VanderWeele, T. J. (2016). Sensitivity analysis without assumptions. Epidemiology, 27(3), 368–377. https://doi.org/10.1097/ede.0000000000000457 ● Otwarty dostęp
  2. Ioannidis, J. P. A., Tan, Y. J., & Blum, M. R. (2019). Limitations and misinterpretations of E-values for sensitivity analyses of observational studies. Annals of Internal Medicine, 170(2), 108–111. https://doi.org/10.7326/m18-2159
  3. VanderWeele, T. J., & Ding, P. (2017). Sensitivity analysis in observational research: Introducing the E-value. Annals of Internal Medicine, 167(4), 268–274. https://doi.org/10.7326/m16-2607 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{ding2016sensitivity, author={Ding, Peng and VanderWeele, Tyler J.}, title={{Sensitivity analysis without assumptions}}, journal={Epidemiology}, year={2016}, volume={27}, number={3}, pages={368--377}, doi={10.1097/ede.0000000000000457}}
@article{ioannidis2019limitations, author={Ioannidis, John P. A. and Tan, Yuan Jin and Blum, Manuel R.}, title={{Limitations and misinterpretations of E-values for sensitivity analyses of observational studies}}, journal={Annals of Internal Medicine}, year={2019}, volume={170}, number={2}, pages={108--111}, doi={10.7326/m18-2159}}
@article{vanderweele2017sensitivity, author={VanderWeele, Tyler J. and Ding, Peng}, title={{Sensitivity analysis in observational research: Introducing the E-value}}, journal={Annals of Internal Medicine}, year={2017}, volume={167}, number={4}, pages={268--274}, doi={10.7326/m16-2607}}
R