跟大家请教一下数据挖掘的关联强度

今天审一个稿子，谈到了使用数据挖掘中的关联强度作为研究疾病问题的方法，由于本人不大熟悉，就查了一下这篇文章的前一个文献，那是2013年发表在《中国卫生统计》杂志上的一篇文章，这个方法其实关键就是三个指标：1）规则支持度，就是疾病A与疾病B的联合概率；2）置信度是A下的B的条件概率；3）提升比，即B的条件概率比上B的非条件概率。

文章就是通过算得这几个指标，描述疾病间的相关，比如高血压与高血脂等等。看了文章后，我有点疑惑，很可惜，如果那篇文章也是我审的，我一定会向作者好好学习一下。可是现在，我只好发布在这里，盼望有缘人帮我一把。

在那篇文章里有几件事是困惑我的：

一、为啥要用这个关联强度而不直接用回归呢？我觉得可以使用普通的相关系数来解决呀？可以采用回归呀？最起码回归有更完善的处理共线性等问题的手段；

二、无论该文献还是现在审的这篇，都提到了用随机样本，那我就想问一下，既然是样本，难道不存在一个样本推断总体的问题么？可以直接就用这几个度说事么？文一点的说法就是：光有点估计，没有区间有意义么？

三、也是最关键的一点，疾病的相互关系与购物不同，甚者发病的先后次序你都搞不清楚，那么你又怎么来使用条件概率呢？

因此，真心希望懂的人赐教一二，就此谢过！