研究设计时混杂控制策略的结构分类
2019-09-25 何一宁, 刘丽丽, 蔡倩莹, 赵耐青, 郑英杰 中华流行病学杂志
因果关系研究通常围绕着一个特定暴露（X，如吸烟）与一个拟研究结局（Y，如肺癌）进行。外来干扰因素影响X-Y因果关联的估计存在着8种基本的因果结构[1]，其中仅有混杂结构影响着X-Y总效应的估计。在人类识别这种效应前，混杂结构在易感人群中静默地发生着[2]，使得拟研究结局表现出特有的人群分布特征。正确的因果效应估计是所有因果关系研究的目标，控制所有的混杂成为实现这一目标的基本前提。通常做法是，在设计
因果关系研究通常围绕着一个特定暴露（X，如吸烟）与一个拟研究结局（Y，如肺癌）进行。外来干扰因素影响X-Y因果关联的估计存在着8种基本的因果结构[1]，其中仅有混杂结构影响着X-Y总效应的估计。在人类识别这种效应前，混杂结构在易感人群中静默地发生着[2]，使得拟研究结局表现出特有的人群分布特征。 正确的因果效应估计是所有因果关系研究的目标，控制所有的混杂成为实现这一目标的基本前提。通常做法是，在设计上采用合适的策略，如限制或匹配，尽可能收集已知的可测量的混杂因素，予以准确测量，并采用回归模型等数据分析方法，以达到控制混杂的目的。 目前大多数研究都期望能在获得X-Y统计学关联之后，通过排除法（真或假关联）或通行的病因标准而能达到因果关联的推断结论，但在实际操作中往往极难实现[3]。有向无环图（Directed Acyclic Graphs，DAGs）是因果关系研究的图形工具[1, 4-6]，对研究涉及的暴露、结局及其干扰等因素，必须进行各变量之间是否存在因果效应的判断；虽然这个工作看似困难，但研究实施前的充分思考，不但能为形成正确的因果关系整体框架奠定基础，从而达到有效指导研究问题的提出
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
学习了，学习了
73