Záznam důkazů metody

Sensitivity Analysis for Unmeasured Confounding

Sensitivity analysis for hidden bias is a family of methods that quantify how strongly an unmeasured confounder would have to operate before it could overturn a causal conclusion drawn from observational data. It was crystallised by Paul Rosenbaum's sensitivity bounds (2002) and extended by VanderWeele and Ding's E-value (2017).

Sources recorded, not reviewed

Zdrojový záznam

Citace zkopírované doslovně ze zdrojového záznamu metody. Nejsou z nich vyvozovány žádné ověření na úrovni tvrzení.

Sensitivity Analysis for Hidden Bias in Observational Studies (Rosenbaum Bounds / E-value)

Taxonomický záznam metody · regression-model / causal-inference

Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. · ISBN 978-0387989679
VanderWeele, T. J. & Ding, P. (2017). Sensitivity Analysis in Observational Research: Introducing the E-Value. Annals of Internal Medicine, 167(4), 268-274. · DOI 10.7326/M16-2607

Otevřít celou metodu

Spravovaná tvrzení

Tvrzení uložená v registru důkazů, každé s vlastním hodnocením.

Zatím žádná spravovaná tvrzení

Tento pohled nevymýšlí hodnocení tvrzení, pokud registr žádné neobsahuje.

Související metody

Vygenerováno z grafu metod a zobrazeno jako strojově navržené vztahy – nejsou z nich vyvozována žádná tvrzení o důkazech.

Same method familyFrontdoor Adjustmentmachine-suggested · Relational suggestion, not evidence.Same method familyLocal Average Treatment Effectmachine-suggested · Relational suggestion, not evidence.Same method familyPlacebo Testsmachine-suggested · Relational suggestion, not evidence.See alsoPropensity Score Matchingmachine-suggested · Relational suggestion, not evidence.Same method familyTwo-Stage Least Squares (2SLS)machine-suggested · Relational suggestion, not evidence.