在健康的社会决定因素中检测潜在的因果关系途径:以数据为基础的框架
Michael Korvink1, Madeleine Biondolillo2, Julie Willems Van Dijk3
1ITS Data Science, Premier, Inc., Charlotte, NC, 28227, USA; Institute for Health and Equity, Medical College of Wisconsin, Milwaukee, WI, 53226, USA.
使用主要组件分析和贪等价性搜索的数据驱动方法揭示了经济稳定性是健康的关键社会决定因素. 这种方法有助于绘制复杂的健康关系,并确定公共卫生干预点.
科学领域:
- 公共卫生 公共卫生
- 卫生系统研究 卫生系统研究
- 数据科学在健康中的数据科学
背景情况:
- 了解健康的社会决定因素 (SDOH) 对于有效的公共卫生干预至关重要.
- 绘制SDOH的传统方法容易产生偏见,可能过度简化复杂的关系.
- 数据驱动的方法为分析SDOH提供了更客观的框架.
研究的目的:
- 应用数据驱动的方法,整合缩小维度和因果发现,以映射SDOH.
- 识别SDOH数据中的潜在构造,并确定它们的因果关系.
- 在开发SDOH因果结构时克服潜在的研究偏见.
主要方法:
- 使用人口普查通道级SDOH数据 (2020 AHRQ数据库) 的观察性研究.
- 主要组件分析 (PCA) 来从157个SDOH变量中推导潜在结构.
- 贪的等价性搜索 (GES) 算法用于识别构造之间的因果关系路径.
主要成果:
- PCA组件解释了显著的差异;食物获取 (71.1%) 和收入 (50.0%) 显示域内差异最高.
- 经济稳定成为影响教育,就业,住房和医疗保健的核心决定因素.
- 教育,获得护理和获得技术的途径为许多途径提供了媒介.
结论:
- SDOH是相互关联的,金融稳定是基本的决定因素.
- 数字公平对健康结果起着越来越重要的作用.
- 数据驱动的PCA-GES方法有效地揭示了SDOH的因果途径,有助于公共卫生评估和政策制定.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
相关概念视频
Causality in Epidemiology
Strategies for Assessing and Addressing Confounding
Confounding can be addressed at both the design phase of a study and through analytical methods after data...
Criteria for Causality: Bradford Hill Criteria - II
Statistical Methods for Analyzing Epidemiological Data
Introduction to Epidemiology
Steps in Outbreak Investigation
