你去两家医院测试同一种治疗。第一家会频繁随访、反复提醒患者按计划行动，还提供额外咨询；第二家只按常规流程观察。最后，两边算出的治疗效果不同。问题来了：是患者本来就不一样，是治疗执行不同，还是“参加这场试验”本身改变了结果？
这正是 Yu-Han Chiu 与 Issa J. Dahabreh 在论文《Comparing randomized trials》中试图拆开的难题。他们提出一套因果框架，把治疗、人群和试验环境放进同一张分析地图。关键提醒是：即使我们已经按人群差异调整了一场试验的结果，也不能自动期待它与另一场试验的原生结果一致。
这是一项理论工作。论文没有提供具体试验案例、样本量、效应值、模拟结果或实证验证。下文关于框架能力与适用条件的判断，均来自作者论文，目前没有独立信源交叉印证。
随机化只管好“一场试验内部”
随机对照试验会把参与者随机分到治疗组和对照组。这样，两组人在平均意义上更可比，两组结局之差便可用来估计治疗的因果效果。
但随机化解决的是单场试验里的比较。它不保证两场试验招到相同的人，也不保证医院、时间、随访安排和额外照护相同。
因此，两场试验的答案不一致，至少要区分两类原因。一类是抽样误差，也就是有限样本带来的随机波动。另一类是系统性差异，例如入组标准、实际干预或试验流程不同。前者可能随样本增大而缩小；后者不会仅靠多招人自动消失。
先把答案搬到同一群人身上
比较两场试验时，一个常见思路是做“可迁移性”分析：把试验 A 中观察到的治疗效果，调整后应用到试验 B 所代表的人群。
直观地说，假设 A 招募的人更年轻，B 招募的人更年长，而年龄会影响疗效。研究者可以先比较相同年龄等基线特征下的治疗效果，再按 B 的人群构成重新加权。这样得到的是“把 A 的结果运输到 B 人群后”的效果。
论文把它与“trial-native treatment effect”对照。后者可译为试验原生治疗效果：在某场试验自己的人群、自己的一整套试验安排下，治疗相对对照产生的效果。
作者先列出一组标准条件。每场试验内部需要满足一致性、随机分配带来的可交换性，以及每类可比较参与者都有机会进入各治疗组。跨试验运输时，还要假定：在已经测量并调整的基线特征下，试验归属不会继续改变治疗效果；同时，目标试验中出现的特征组合，也能在来源试验里找到。最后一条常被称为“正值性”，说白了就是两边的人群必须有足够的重叠，不能拿一群完全找不到对应对象的人硬作类比。
真正容易漏掉的是“参加试验”
这篇论文换了一个角度：它不只问“接受哪种治疗会怎样”，还问“接受治疗，同时进入哪一种试验环境，会怎样”。作者为此定义联合干预下的反事实结局——反事实结局，就是设想同一个人在另一种尚未实际发生的安排下可能得到的结果；联合干预则同时指定治疗和试验相关行动。
这里的核心概念是 trial engagement effects，即“试验参与效应”。参与试验可能带来额外监测、临床咨询或辅助干预。这些变化并非随机治疗本身，却可能影响结局。
这一步很重要。把 A 的效果运输到 B 的人群，只统一了“由谁接受治疗”。如果计算中仍然保留 A 的监测、咨询和其他试验安排，那么得到的其实是“A 的试验环境作用于 B 的人群”。而 B 自己测到的，是“B 的试验环境作用于 B 的人群”。两者面对的是同一群人，却未必是同一种完整干预。
所以，作者在其框架中推导出：满足通常的可迁移条件，并不足以保证运输效果和试验原生效果一致。人群已经对齐，不代表试验环境也已经对齐。
什么情况下，两种答案才该一致？
论文给出三组由强到弱的充分条件。
第一种最直接：不存在试验参与效应。除随机分配的治疗外，参加哪场试验不会改变结局。作者认为，这种假设在实验过程不改变其他照护环节的实用性试验中可能较合理。
第二种允许试验参与效应存在，但要求它在两场试验中相同。比如两场试验属于协调开展的研究计划，采用相近的方案、监测和共同干预。此时试验环境会影响结局，但换一场试验不会带来不同影响。
第三种更弱：两场试验的参与效应可以不同，但它不能与治疗分配发生加性尺度上的交互。通俗地说，试验 A 的额外照护可以让所有人的结果整体改善，只要它对治疗组和对照组的影响相同，治疗组减去对照组之后，治疗效果仍可能保持不变。
前两种条件要求潜在结局本身相同或受到相同影响；第三种只要求两组之差相同。作者指出，在这三类条件中的任一类成立，并同时满足前述试验内部识别与跨人群运输条件时，试验原生效果和运输效果才对应同一个因果量。
它把“冲突”变成一份排查清单
这套框架的价值，不是看到两篇论文结论不同后，立即宣布某一篇错了。它提供了更细的排查顺序：先看随机波动，再看人群构成和可比范围，最后检查监测、咨询、辅助干预等试验相关行动是否不同，以及这些行动会不会改变治疗效果。
作者还给出了可用观测数据检验的“一致性”假设。可以在相同基线特征的人群中比较两场试验的治疗组与对照组均值差，也可以把一场试验的条件效果按另一场试验的人群分布重新汇总，再与后者的原生效果比较。论文同时提醒，逐个特征组合比较往往不稳定：特征维度高或两边重叠有限时，每个小组的数据会很少。因此，实际比较通常更关注总体平均效果。
这也解释了为什么“都是随机试验”不是讨论的终点。随机化提升了每场试验内部的因果解释力，却没有抹平试验之间的人群与实施差异。证据综合若只调整前者，仍可能把试验环境造成的差异误读成治疗效果无法复现。
局限与未知
- 论文聚焦于两场独立开展、来自不同潜在人群的试验，并为简化论述假设没有失访和测量误差。作者明确说，若要用于系统比较真实试验，还需扩展框架以处理不依从、缺失数据和删失。
- 这项工作说明的是：在哪些因果条件下，两场试验的结果应当一致。它没有证明任意一对结论冲突的试验究竟由人群、实施还是参与效应造成。
- 作者称该框架扩展了既有研究比较方法，但现有供稿无法独立核验它相对既有方法的创新程度，也没有实证结果说明这些条件在真实研究中多常成立。