研究通常侧重于两个变量之间的关联，例如风险因素与疾病之间的关联。然而，现实通常是复杂的，还有许多其他变量可能会影响这种关联。有时，第三个变量的存在会夸大我们研究的两个变量之间的关联，或者掩盖潜在的真实关联。这就是所谓的混杂，是所有研究人员的噩梦。在本模块中，您将学习检测研究中混杂因素的多种方法，以便做好应对准备。本模块结束时，您将能够把这些方法应用到实际数据中，并得出是否存在混杂的结论。

本模块专门讨论如何处理混杂因素。混杂问题可以在数据收集前的设计阶段或分析阶段解决。您将学习处理混杂的主要方法，并将看到如何在自己的研究中处理混杂的实际案例。我们还将简要讨论有向无环图（Directed Acyclic Graphs），这是一种检测偏倚和混杂并加以控制的新方法。

这是课程的最后一个模块。我们首先讨论当暴露对结果的影响因另一变量的水平而异时会发生什么。这就是所谓的效应修正。我们将讨论如何处理效应修饰，并强调混杂和效应修饰之间的区别。在课程的最后，我们将重温流行病学中的因果推断，讨论我们如何在确定关联是否具有因果性质之前，对关联的所有潜在解释进行分析。