一个因果估计和选择的框架在阳性违规的情况下
Martha Barnard1, Jared D Huling1, Julian Wolfson1
1Division of Biostatistics & Health Data Science, University of Minnesota, Minneapolis, MN 55414, United States.
根据观测数据估计因果关系是很困难的,因为共变异不平衡和有限的重叠. 本研究引入了一个框架,以平衡统计偏见和目标人口选择,以进行准确的卫生政策分析.
科学领域:
- 观察性研究是指观察性研究.
- 因果推理的原因推理.
- 卫生政策分析 卫生政策分析
背景情况:
- 使用观测数据估计因果关系存在挑战,原因是共变量分布失衡和治疗组和对照组之间缺乏重叠.
- 现有的方法,如反向概率权重 (IPW) 和重叠权重 (OW),涉及统计偏差和差异之间的权衡,并针对不同的群体.
研究的目的:
- 提出一个框架,用于从观测数据中估计因果效应的偏差和差异之间的权衡.
- 根据研究偏好引入偏差分解和用于选择适当估计的指标.
- 帮助研究人员平衡原始研究群体的保存与减少统计偏差.
主要方法:
- 开发了一个偏差分解框架,以区分统计偏差和估计和不匹配.
- 提出了两个基于设计的指标来量化权衡.
- 引入了一个包含特定领域偏好的估计和选择程序.
主要成果:
- 拟议的框架和程序有效地说明了偏差和差异之间的权衡.
- 该方法允许基于对人口保存或偏差减少的偏好进行知情选择.
- 使用右心脏导管数据演示了框架的应用.
结论:
- 该框架提供了一个结构化的方法来解决因果推理方面的挑战,使用观测数据,特别是关于有限的重叠和共同变量失衡.
- 研究人员可以利用拟议的指标和选择程序来做出关于估计和准的明智决定,以优化他们特定的研究目标.
- 这项工作提高了从观察性健康研究中得出的因果效应估计的可靠性和可解释性.
更多相关视频
11:33Transcranial Magnetic Stimulation for Investigating Causal Brain-behavioral Relationships and their Time Course
Published on: July 18, 2014
08:43Application of Granger Causality Analysis of the Directed Functional Connection in Alzheimer's Disease and Mild Cognitive Impairment
Published on: August 7, 2017
相关概念视频
Causality in Epidemiology
Position-effect Variegation
Criteria for Causality: Bradford Hill Criteria - II
Criteria for Causality: Bradford Hill Criteria - I
What is Natural Selection?
Serial Position Effect
