研究说了什么
健康工人效应指在岗人群的死亡率低于一般人群，因为患病与失能者提前退出就业，剩下的是经过健康筛选的一批人。这种筛选在入行时就已发生，招聘体检、体力要求与自选择让工人整体更健康；入职后，患病者离职或提前退休，又形成健康工人幸存者偏倚。用一般人群做参照计算标准化死亡比，往往得到小于一的数值，把职业危害掩盖掉。正确的参照是同一企业的未暴露工种，或做内部比较；也可以用 G 方法校正随时间变化的暴露与离职，把离职者的健康结局纳入分析。滞后暴露与排除病退者能减少偏倚，但会引入新的选择问题。另一个做法是比较离职者与在岗者的健康，若离职者明显更差，说明筛选确实存在。职业队列的随访年限越长，幸存者偏倚累积越明显，早年暴露的效应容易被稀释，把不同年代入职的人合并分析还会混淆暴露水平。另一个技术细节是时间尺度，用以年龄为时间尺度的模型比用随访时间更接近真实风险，因为前者自动校正了年龄构成的差异。另一个偏差来源是暴露评估本身，早期工厂的粉尘测量粗放，把高暴露者错分到低暴露组会让剂量反应变平。
为什么重要
这个效应直接影响两类结论。第一类是职业危害评估，噪声、粉尘、轮班与化学暴露的队列若用一般人群作参照，相对风险会被系统性低估，监管阈值因此偏松。第二类是「继续工作有益健康」的说法，观察到的在岗者更健康，可能只是筛选而非工作本身的作用，把相关性当因果会误导退休政策。抗衰研究里的志愿者队列同样受影响，大型生物库的应答率常在百分之五上下，参与者比一般人群更健康、更少吸烟，随访中的失访也与健康相关。对读者，看到某职业人群死亡率更低，先问参照组是谁，是内部对照还是全人群。对研究设计，随机抽样与入户调查能减少自选择，但成本高、应答率仍难保证，且拒访者的健康信息几乎无法获得。对政策评估，用一般人群的寿命去比较某职业的退休年龄，很容易把健康筛选算成职业红利。对退休研究，若用退休前的健康状态预测退休后的结局，健康筛选已经发生，因果方向很难理清。把退休当暴露、把死亡当结局的观察性研究，几乎都绕不开这一点。这一点在女性与低学历人群中尤其明显，因为她们的退休路径更受健康与家庭因素影响。
证据与边界
校正并不彻底。G 方法需要知道离职原因与时间，而很多队列只有退休年份，没有健康状态；把离职当删失会重新引入偏倚。内部参照也有问题，未暴露工种可能与暴露工种在收入、体力要求上不同，仍不可比。健康工人效应还会随年龄变化，年轻队列的筛选最强，老年队列因退休而流失最多。一个典型失败案例是石棉队列用全国死亡率比较，标准化死亡比只有一点二，改用未暴露的建筑工人作参照后升到二以上，危害才显现。另一个问题是倒置因果，患病者转到低暴露岗位，暴露与健康的关系被拉平。看到职业队列，先问参照组、离职处理与随访完整度，再看风险比。若论文只报告标准化死亡比而不展示内部对照，职业危害很可能被低估，尤其是随访超过二十年的老队列。若能把离职者的死亡证明链接到队列，偏倚会小很多，但这类数据在多数国家难以获得。另一个细节是暴露的滞后结构，把暴露滞后十年再分析能减少倒置因果，但也会漏掉近期效应。因此，职业队列的结论应被视为下限，而非精确的风险估计。