布拉德福德山对因果关系的考量:反事实透视

Bradford Hill1965年发表的考虑对试图分离因果和非因果解释观察关联产生巨大影响常用这些考虑因素作为标准清单,尽管Hill本人绝非以这种方式使用这些考虑因素。Hill避免清晰定义他的意思 即“因果效果”。

本文从反事实因果角度对Hill的考量提出了新观点反事实论强烈地促进何时应用Hill考量问题并随着系统复杂性的提高推理价值下降误用危险可能高讨论这些洞察力对研究设计与数据分析的影响关键分析工具评估Hill可应用性是多重偏差建模(Bayesian方法与MonteCarlo敏感度分析)方法应更频繁使用

Austin Bradford Hill爵士(1897-1991年)是医学统计和流行病学杰出先驱一号-4..论文摘要题目为“环境与疾病:关联或因果”5曾对流行病学家和医学研究者产生巨大影响具有讽刺意味的是,这篇论文因非初创性之事而出名6,7:因果标准核对表[8-10))

山头5提供九大考量评估观察关联是否包含因果分量以上考虑受他前其他人影响11,12..避免清晰定义因果效果,尽管他似乎有反事实概念思维论文核心论题是 反事实论对何时应用Hill的考量 解决具体因果问题大有帮助这并不是说其他因果概念无助于澄清Hill的考量,但反事实模型直接与多统计方法相关13,14并连接到因果方面此外,我还要指出,Hill的一些考量涉及广义因果系统的许多反事实,这些考量的启发性价值可能很低。

分析

反事实因果性

山头5避免精确定义因果效果

无望或技巧 开始哲学讨论'因果'....

似乎他应用反事实模型,

.决定性问题在于不良事件B频率是否会受环境特征A变化的影响....

反事实因果关系至少可追溯到18^线程苏格兰哲学家David Hume15上世纪80年代才成为流行病学标准随机临床试验的发明者3,4Hill强烈受随机分组分配概念影响 排除混淆随机化思想 由R.A编译菲舍尔1920年代和1930年代转由休姆[3..Fisher和Hill至少几年为友3似乎Hill强烈受反事实思维影响反事实或潜在结果模型或多或少成为流行病学标准,并有论称反事实因果捕捉健康科学中多半因果性[13,14..

定义反事实效果 想象个体一定时计算主要的假设

1. (a)

   个人可分配到两个接触水平X级=0X级=2

2. (b)

   结果Y级_一两种接触水平下都存在(注注Y级_i0并Y级_i1)[[14..........................................

因果效果X级=1对X级=0个体一处理或接触分配时可定义为[13-20码:

注意差值度量使用并非排他性-对绝对正结果人们也可以使用比度度Y级_i1/Y级_i0.二进制结果定义指结果事件发生于一接触水平下而非二进制下二元事件因果性是必备条件,没有条件事件就不会发生不一定充分条件很明显,结果不见于至少两种接触水平中的一种因此,结果必须在未观察或未观察下估计反事实条件称反事实或潜力结果

Rothman表示21号综合因果机制定义为一组因素,这些因素合在一起足以诱发二分结果事件,最小即足!即忽略一个因素后结果会改变路德曼21号称它为充分-构件推理模型.类似思想可见Lewis前期论文22号..多因果机制与固定时间固定个人相同的具体反事实差异一致,充分构件因果模型可被视为反事实模型的精细版14................................................

通常没有客观标准判定个人反事实结果,最佳选择通常是估计人口平均效果人口平均效果定义为对象群中所有个体因果效果平均值,并推断对象群中所有个体因果效果平均值平均因果估计受各种偏向[23号..偏差由研究设计与生成数据机制确定随机控制试验无法产生偏差,但混淆者偶发分布不等处理层次,小样本中尤其如此。完全守法处理中不存在测量错误但仍可能出现其他偏差,如结果计量误差偏差和选择偏差(因为RCT中个人可能不代表目标人群中所有个人)。观察性研究容易产生各种偏差,而偏差取决于数据背后的因果机制。举例说,混淆造成的偏差取决于影响接触和结果的因素以及这些因素分布

我将证明Hill的大部分考量 涉及比X级-Y级关联偏向应用依赖综合因果系统假设X级-Y级效果只是一个构件由因果系统复杂性和因果系统不确定性增加后 Hill考量的启发性值归结为零

布拉德福德山考量

关于Hill考虑的讨论组织如下:首先,我用我自己的措辞(斜体字)总结各自的考虑Hill自身推理后简要审查,并随后由其他作者推理(从大文献中主观选择)。显示哪些反事实应用给定考量,以及解释研究设计和数据分析可产生哪些新洞见为了简化讨论程序,我有时会忽略随机变换我的一些论点适用于Hill的若干考虑,我偶尔不重复这些论点以避免冗余

开工关联强度

强联动比适量联动更有可能有因果分量

山头5插图点与高风险比率关联 接触水平吸烟和肺癌然而,他用两个反实例证明,没有强联结并不排除因果效果。Hill承认,关联强度的感知取决于关联规模使用索引5..

罗斯曼和格陵兰18号提供强非因果关系反示例注意,不同于比度测量值,差度测值偏小,除非接触量和结果几乎一对一关联24码..基本问题选择效果度量法是, "无论是相对风险或任何其他关联度量法均非关联性生物一致性特征.即研究群特征依赖其他原因的相对流行性18号中文本第24页路德曼普尔25码描述应如何设计研究检测弱效应罗斯曼和格陵兰18号sp.重力考量的好处是强联不单因小偏差,无论是微小混淆或偏差的其他来源

强点考量涉及两个主要反事实问题,即假设产生观察关联(预定索引):如果数据不带偏差,预期联系会比观察关联强多强?区间估计正确计算随机错误和系统错误(不确定偏差参数,如误分类概率)是否允许预期结论?期望结论可能是单纯存在因果或至少一定规模的因果效果,例如风险增加二倍

比亚斯可用多重偏差建模解决当代多重偏差建模方法包括贝叶斯方法与蒙特卡洛敏感度分析(MCSA,可修改为贝叶斯方式在某些条件下可近似解释性解析27号))方法通过分配前期分布处理偏差参数不确定性Hill指出非随机误差常估计不足,贝叶斯和MCSA方法可评估观察关联度是否高到足以得出一定结论这就需要偏差模型,包括假设存在哪类偏差,偏差如何并举和哪些前缀应用但是,如果使用偏差模型解决理解偏差问题,推理仍然可能被误解或未知偏差扭曲。何者计算X级-Y级关联和随机差错值允许得出理想结论并评估这些前缀非反事实概率

很明显,偏差参数高度不确定性比微小不确定性大关联在控制数源偏差的研究中,适量关联可能仍然表示因果效果,而在易出错设计中则必须考虑到偏差和高非随机误差然而,如果对偏差的了解有限,说明偏差模式可能是一项困难任务。不确定性继而传递应用强度考量的不确定性尽管如此,在评估需要何种程度关联才能得出理想结论时,似乎没有替代多重偏差建模的替代方法。

二叉一致性

关系多次观察

For Hill5重复观察关联包括“异人、地点、环境与时间”。规则的好处是持续查找与不同研究设计相关联性(例如回溯研究和未来研究)降低关联因同项研究设计中“连续错误或误差”而产生概率另一方面,他指出,在不同研究中共享缺陷往往重复同样的错误结论。类似地,不同调查的不同结果可能显示某些研究正确显示因果关系,而另一些研究则未能识别。

罗斯曼和格陵兰解释此点18号sp.25: 因果代理商可能要求存在另一个条件举例说,输入可能导致人体免疫机能丧失病毒感染,只有当病毒存在时才能发生根據足因模型20码,21号并如Rothman和Growland所表示18号sp.25),是否并在何种程度上对平均产生因果取决于补充因果的流行程度

Cox和Wermuth28码pp.225+考虑内生变量互不强差的关联更有可能因果性如果关联对性与出生日期等不同不变属性的个人相似,则关联更有可能有稳定的实质性解释。除变量X级并Y级综合因果系统除其他因素外还可能因干预而改变应用指南时要小心异质性取决于效果度量的选择选择基础应该是相关实质理论和对应反事实和充分成分因子模型(后二表示应使用差比而非比率)两者都可能自相矛盾29..

从反事实的角度看,在询问是否应用一致性考量时产生下列问题:

1. a)

   如果因果效果在所有研究中都完全相同,人们会期望观察不同研究中的不同关联性(可能涉及不同的人、地点、条件和时间)期望协会有多大程度不同

2. b)

   如果因果因果因研究而异,人们会期望观察平等或不同的关联吗?差分大小期望

注意效果修饰者面前不存在像“因果效果”,效果修饰者需要固定适当值并请注意,只有a或b)实际反事实取决于效果在不同研究中是否真正不同回答这些问题需要综合因果理论说明不同实体(个人因素、设置、时间等)如何并发Y级.内因果系统可以预测X级-Y级关联性应该改变,如果人们在不同研究中使用不同的人、地点、条件和时间人只能观察关联性,这也涉及偏向性,偏向性在不同研究中可能不同操作

观察到的跨不同研究关联模式与预期模式一致,为效果提供证据X级上Y级if 因果理论应用另一种模式表示或无效果X级上Y级或假设理论假复杂状况和偏差多发性设计中,因果理论不包括改变期望的重要特征的概率可能相当大X级-Y级关联性在此,不确定是否要求关联度高(或关联度高),因此一致性考量可能带来更多伤害而非利益

3级特性性

因子具体影响特定结果或群

For Hill5service观察特定结果或个人群关联,这是因果效果的强力推理Hill表示误用此规则来判定无因果:疾病可能有多因数(Hill视之为主例)。反过来,因素可能导致数种疾病Hill表示,此规则的价值在于它与关联强度的组合:例如,在吸烟者中,肺癌致死风险应提高到更高程度,而其他死因风险则更高程度。Hill对人特征的思考显然与他对一致性的思考相矛盾,即反复观察不同群落关联会增加因果效果证据

罗斯曼和格陵兰18号sp.25]辩称,在应用这一规则时,假设事业产生单一效果假设常毫无意义举例说,吸烟对多种疾病有影响他们认为要求特殊性“无用和误导性”。Cox和Wermuth28码sp.226f.]指出,这一规则适用于进程相当具体的系统,而不适用于变量代表多特征汇总的系统威斯30码提到一种情况,即要求结果特殊性可能有意义:理论可预测接触会影响某种结果,但不影响其他特定结果例子说明戴头盔应具体保护头部受伤,而不是身体其他部位受伤身戴头盔也保护不受其他伤害,论者预测效果个人接触特征和特征时,他提供了相似的推理

反事实因果关系图和逻辑等值因果图19号,30码泛泛推理Weiss30码并解决特殊性问题 关于其他接触和结果:结果Y级)必须与接触相关X级)如果他们或多或少是因果链X级并Y级或因果Y级.否则,不可关联X级.在上述例子中,其他伤害既不是戴头盔与头部伤害之间因果链的一部分,也不是头部伤害的因果结果戴头盔和头部受伤害之间的联系,如果戴头盔与头部受伤害和其他受伤害都相关联,则可能有相同的谨慎原因类似接触X级必须与Y级置之因果链X级并Y级.介面前是否发生X级关联Y级或非信息 关于因果性X级并Y级.

应用这一考量时,需要在整个因果系统中对每个关联都使用偏差模型,包括评估尽可能多的反事实差异和关联单错判断特定效果的存在可能仍产生图与理论相矛盾,并因此产生错误推理X级-Y级效果RCT只允许小数因子同时随机化,而它们是否相互关联仅仅是随机化如何实现的问题。因此,对RCT其他因素的特征评估有限。Cohort研究在此比较有用,但接触中的混淆和测量错误则更重要。归根结底,只有当因果系统简单而知识基本确定时,才考虑特征似乎有用

4级时间性

因子必须先于结果 假设它会影响

山头5以句子介绍反射 : 哪个马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马马Hill表示,时间方向可能难以确定,如果一种疾病缓慢发展,初始形式疾病难以测量。

考虑个人X级发生前Y级逻辑上不可能X级变换Y级变换,因为X级固定时间Y级发生(或不发生)正因如此Y级无法引起X级中个人确实,这是单人反事实效果唯一必备条件7sp.2711-Hill漏分注意没有逻辑链接 个人Y级发生前X级.中Y级强或弱引起X级[7sp.25].

运用这一标准时,当多位个人汇总信息时会产生更多混淆一些研究者认为,只向一个方向观察关联比双向观察关联更有可能因果关联if存在某种疾病X级伴生高复发率Y级)和前置Y级预测后发概率提高X级偶而假设共享脆弱点是两个协会的共同事业举例说,这种可能性已经讨论过焦虑作用开发萧条31号..

应用此参数则需要因果系统不产生Y级-X级关联性这需要充分了解共享风险因素X级并Y级.评估时间顺序X级并Y级纵向设计优于设计介于时间方向X级并Y级必须回溯性评估RCTs中时间方向可无误建立

5级生物梯度

结果单调增加,增加接触量或根据实质理论预测函数

山头5偏向线性关系接触水平和结果,例如每天吸烟数和癌症死亡率如果剂量响应关系形状比较复杂, 特别是非声波函数, 则需要更复杂实质性解释

另一些对剂量响应关系定义的要求较低并更为具体,只需要从实体理论预测的特定关系形状(不一定线性或单调式)28码sp.225].罗斯曼和格陵兰18号sp.26表示J形剂量响应曲线部分可能由相关接触水平引起,而其他部分可能只是混淆所致并提供了非因果剂量响应关联的反实例需求剂量响应关系可能误导,如果这种假设与实质知识相冲突没有发现剂量响应关系可推断因果,例如吸食核聚物与哮喘病人肺功能[三十三或精神失常药理34号..Layss和Poole前曾提供过更多例子和类似论点35码..

反事实因果性定义每种接触水平之差为异因果生物梯度的考量再次不是对具体因果差异的考量,而是对涉及多级接触的广义因果体系的考量。需要实战理论预测当接触多级变化时结果应如何改变万一k接触水平后此理论必须预测k-1反事实差异某些理论需要渐变水平,而另一些理论则不需要,而不同理论则可能要求不同的渐变率

应用此考量时,偏差必须正确纠正k-1观察关联如果观察接触水平关联序列与理论一致,对每次比较均正确处理偏差问题,则为理论提供证据或至少一种偏差模型是假的此处,特定接触水平之间的因果差异无论如何都可能存在

需要几种接触水平才能建立剂量响应关系越多接触水平越高,误用这一考量的危险就越高,因为单错推理k-1可能错误结论)的存在具体因果差异可能足以得出总体理论错误结论RCT对评估剂量响应关系特别有用,因为它们避免偏差,而偏差有时难以纠正使用其他研究设计

6级可视性

所见关联性可以用实质问题解释合理性(例如生物解释

For Hill5生物解释支持因果推算反之,如果没有这样一个理论,“我们观察的关联可能是科学或医学的一个新关联,我们决不能太轻心地忽略它或太奇特地忽略它。”5..

Cox和Wermuth28码sp.并增加一个极重要点,即预言关系比回溯性提供关系更可信观察关联后,往往很容易提供似然解释罗斯曼和格陵兰18号sp.26],判断似然性取决于个体研究者先前的信仰权衡这些先入之见与贝叶斯推理中观察关联权贝叶斯分析无法“转换为因果标准”。

基于这些作者的论题 有两个相关反事实问题 研究者应该自问光靠自身还不足以澄清这一考量:

1. a)

   如果观察关联与实质知识一致,如果观察与实质知识不相容,你是否会赋予较低权值(相对实质知识权值)?

2. b)

   如果观察关联与实质知识不相容,你是否赋予它更高权值(相对实质知识权值),如果你的观察与实质知识一致?

只有当研究者能诚实回答a或b或b很显然,人们甚至无法百分百确信答案对人自身思想实事求是应用这一考量的危险有双重性:如果研究者同意自身先前的意见并可能给予较低权值,则可能给予实体知识更高权值,否则则可能给予较低权值。实质知识可能前后不一,冲突信息可按某人对信息精度的评估加权类似地,科学家或可选择他们应用的实质知识,视它是否符合他们先前的意见而定。问题仍然是如何比照观察结果权衡先验意见这涉及许多设计问题,如当前数据和其他数据样本大小问题,以及偏差行为和在不同研究中处理的问题

7一致性

因果结论不应从根本上与当前实体知识相冲突

山头5使用术语“一般已知事实”表示评价关联的知识必须是不可争议的符合关联的实验室证据会突出因果结论并帮助识别因果代理再者,缺乏这种知识并不表示非因果解释

Hill定义可信一致性的差别似乎是隐微的7sp.25].似然性用正词表达(关联与实质知识一致),一致性用负言词表达(关联与实质知识不冲突)。罗斯曼和格陵兰7sp.25]提醒注意这种冲突知识本身有误的可能性susserssss11尝试保留这一考量,视知识出自何方而定义不同的一致性子类

一致性和似然性之间的微小差别在于似然性质问 : “ 你可想象机制如果实操作(反事实操作)会产生数据所见效果吗? ”对比之下,一致性质问 : “如果你假设既定理论正确性(即实战)观察结果是否与理论相容? 一致性考量拒绝非因果

八点八分实验

如果证据基于随机实验则更有可能产生原因

山头5说非实验性研究对关联的因果解释得到支持,如果协会随机预防确认发现举例说,在发现某些事件与吸烟者数目相关后,人们可能禁止吸烟以观察事件频率是否连续下降

敬罗斯曼和格陵兰7sp.尚不清楚Hill指动物实验或人类实验的证据人类实验在流行病学上几乎无从获取,动物实验结果不易应用到人身上。toserss11Hill的例子表示他意指干预和主动变化,而不是研究设计双苏赛11和罗斯曼和格陵兰7sp.27]表示随机实验结果提供比基于其他研究设计的结果强的证据,但总有几种可能的解析Cox和Wermuth28码sp.225f.]松绑该标准,取实验性研究和非实验性研究之间的质差代之以相当量化概念“干预强度”:观察到的差分如果跟踪大规模干预则更有可能因果化其动机是,适度干预后改变可能因处理环境而不是因处理本身而产生。可补充一点,Cox和Wermuth的考量需要适度干预才能排除强势影响-这一假设肯定高度依赖上下文

从反事实因果性看,大规模干预和适量干预之间的区别无关紧要,因为因果效果仅定义固定索引和固定参考条件因此,如果用干预强度来解释,这再次不是对具体因果差异的考虑,而是对综合因果理论的考虑(如生物梯度理论的考虑)。需要这样一个理论来判定何谓适中何为强力干预

如果实验考量被解读为避免某些偏差通过运行RCT估计特定因果效果,它应概括如下:观察关联应尽量近近地等同真实反事实差异(尽管随机误差)。比亚斯通过使用避免重大偏差的研究设计或正确纠正偏差减少比亚斯避免偏偏优于纠正偏偏,但往往无法避免偏偏上文已经提到,在完全守法的RCT中,混淆不可能发生(虽然混淆者可能因偶然分布不均),接触中没有测量错误但由于测量误差,结果中仍可能出现偏差,并可能因选择偏差、数据缺失等而产生偏差[22号..Hill原创配方5中只覆盖一或二 各种可能的偏差

取而代之的是两个比较泛泛的问题:哪个研究设计有可能有效识别推定因果万一最佳学习设计无法实现 偏差怎么精确校正和强度考量一样,可以归纳为:如果数据没有任何偏差,预期会观察哪些结果?偏差调整后区间估计排除无效值则更有可能产生因果效果,如果下界距离无效值远则更有可能产生因果效果。正确调整时,如果偏差知识增加时系统误差修正区间估计会下降结果,人们几乎永远无法证明因果效果 — — 即使是大型样本也是如此 — — 因为在随机误差减少时结果中的关联系统误差也会保留

9.模拟学

相似接触和结果显示效果

山头5写道,它有时可以接受 类推判断例子如下:

伴之以Thalamoide和webella我们面前的影响, 我们肯定会准备接受 微小但相似的证据 与另一种药或另一种病毒疾病....

susserssss11将Hill解释为人称,“当已知某类因果代理物产生效果时,该类代理物产生类似效果的证据标准可以降低。”18号sp.27]反译:

任何从类比中推导出洞见的东西 都因科学家的虚构想象力而受阻塞 科学家在任何地方都能找到类比顶多类比为研究中的关联提供更精密假设源缺类比仅反映虚构或证据缺失....

应用类比科学家考量时应自问:如果使用类似于其他研究的设置(同时考虑偏差,不同研究可能有所不同),你会期望相同的关联性吗?表示外部研究实体与观察数据实体相似(但不完全相同)。这需要额外建模使用相似非完全实体在不同研究中反事实效果这使得类比考量的应用比合理性和一致性考量的应用更加不确定。

Hill自己评价关联时使用术语“Viewpoints”和“属性考虑”。目的是解析问题:“在判定最可能解释它为因果之前,我们应特别考虑该关联的哪些方面?”5表达对自身考量的适切性有矛盾性如下:

九大观点中没有一个能带出无可争议的证据 支持或反对因果假设.

罗斯曼和格陵兰的结论36号表示流行病学完全没有因果标准

常识推理最好被视为测量效果的演练, 而不是判断效果是否存在的标准引导过程....

反事实近似Hill考虑的用意是 他们的启发性价值可以通过回答反事实题来评估运用九大考量中的七大考量(一致性、特征、时间性、生物梯度、可行性、一致性和类比)包含全面因果理论复杂因果系统包含许多反事实和偏见假设复杂度大化后,不确定是否应用给定考虑可预期接近硬币投币决策因此,随着复杂性的提高,Hill考虑的启发式价值下降

原创Hill之争5变得特别重要:因果效果所需证据量应视因果结论产生的干预的可能后果而定如果因果结论需要采取行动,如果错误取益而非正确取益,则产生更多伤害,则需要相应高量证据如果利弊关系反转,则少证据是必要的多重偏差建模是评估这些考量适用性的主要工具多偏差模型应更频繁使用此外,决定是否应用其中之一,总是隐含基于一个或多个多重偏差模式比方说,至少要求一定级关联在逻辑上等同于多偏差模型的一部分,即多偏差模型集中先验偏差参数要求至少观察此关联度

人可能会问反事实问题,即如果Hill更明确地建议何时应用其每一种考量,流行病学和医学研究将如何发展远非我声称能回答这个问题, 但我认为我猜想值得一提论文题目为"奥斯汀·布拉德福德爵士失学6Phillps和Goodman审查Hill告发的不良行为,后来仍在实践中:过分强调统计测试、系统错误估计过低和成本效益权衡在干预决策中置之不理Hill的考量被误用为'因果标准' 并教得更多 比声因果概念更多6..没有理由相信更明确地建议何时应用他的考量会得到更好的注意警告注解Hill实战大都忽略

科学建议提供简单指导时 广受遵循需要复杂行动的建议常被忽视我的猜测是,这是因为许多研究者想要简单和可全球应用的答案。期望引出对科学文本的曲解并取出单个语句上下文更悲观的是,哪个指南问题取决于哪个指南与期望答案一致即便Hill论文没有发布 科学家对简单解答的渴望 也可能导致另一论文像Hill论文一样被写或误译5文章中

MCSA:

蒙特卡洛敏感度分析

RCT:

随机控制试播

我要感谢Evelyn Alvarenga语言编辑

作者和附属关系

1. 临床心理学和流行病学学,马克斯普朗克精神病学学院,Kraepelinstrasse2-10,München804,德国

   迈克尔霍夫勒

对应作者

对应到迈克尔霍夫勒.

竞技兴趣

作者声明他们没有竞技权益

开放存取文章经BioMed中心有限公司许可发布开存文章依据创用CC授权分发https://creativecommons.org/licenses/by/2.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用

重印权限