看到“某习惯与疾病相关”，先别急着上复杂的因果模型。真正要问的是：我们只是想预测谁更可能患病，还是想知道主动改变这个习惯会不会降低风险？前者是预测，后者才是因果问题。即便如此，也应先写清 estimand（目标量）——针对什么人、比较哪两种处理、观察什么结局。
Donna Spiegelman 在这场报告的摘要中进一步追问：专门的因果推断方法何时比常规分析多带来价值？她主张，可靠学习有时不需要当前常用方法那样严格的条件；即使干预在现实中执行方式不同，或影响到未直接接受干预的人，也未必必须完整满足 SUTVA——通常指每个人不受他人处理影响，且处理版本清楚一致。
关键分界仍是“识别”：即使有无限多同类数据，目标效应能否从可观察信息中唯一推出。若隐藏因素让答案无法识别，模型再复杂也补不回来。摘要还称，观察性研究的主要偏差来源可能是测量误差而非混杂；但此次供稿未提供其证据细节，因此这仍是报告方待展开的论点。