时间变化路径特定的直接和间接影响:一种新的方法来检查动态行为过程,适用于戒烟

科学领域:

• 行为科学 行为科学
• 因果推理因果推理
• 纵向数据分析 纵向数据分析

背景情况:

• 行为过程是动态和复杂的,需要密集的纵向数据进行准确的分析.
• 现有的分析方法很难在复杂的行为数据中捕捉时间变化的因果关系,从而限制了对动态过程的理解.
• 了解动态因素对于干预措施至关重要,例如戒烟,以确定复发风险因素.

研究的目的:

• 提出和评估一种新的分析方法,即增强的调解g公式,用于估计时间变化的因果关系效应.
• 通过模拟研究评估拟议方法的性能,将其与现有方法进行比较.
• 将最佳方法应用于威斯康星州吸烟者健康研究II的现实数据,以检查戒烟动态.

主要方法:

• 开发了一种增强的调解式g公式,采用两步估计策略来估计随时间变化的因果 (非) 直接影响.
• 进行模拟研究以评估拟议方法的偏差,精度和与系数乘积方法的对齐.
• 将验证的方法应用于威斯康星州吸烟者健康研究II的纵向数据,结合时间变化的混因子 (日常压力) 和调解因子 (每日治疗坚持).

主要成果:

• 模拟结果表明了拟议的增强调解g-formula的性能特征.
• 该研究成功地应用了该方法来评估药物治疗对戒烟的因果关系,通过坚持和压力来调解和混.
• 这些发现提供了对治疗,坚持,压力和终止结果随着时间推移的动态相互作用的见解.

结论:

• 增强的调解g公式为在密集的纵向行为数据中估计时间变化的因果效应提供了一种可行的方法.
• 这种方法可以阐明复杂的动态行为过程,例如戒烟过程,通过分析时间变化的暴露,调解者和混因素.
• 这项研究为时间变化的生物行为过程的因果分析提供了初步框架,为更复杂的研究铺平了道路.