Εγγραφή τεκμηρίου μεθόδου

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

Εγγραφή πηγής

Οι παραπομπές αντιγράφονται αυτούσιες από την εγγραφή πηγής της μεθόδου. Δεν υπονοείται επαλήθευση σε επίπεδο ισχυρισμού από αυτές.

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

Εγγραφή ταξινομικής μεθόδου · 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

Άνοιγμα πλήρους μεθόδου

Επιμελημένοι ισχυρισμοί

Οι ισχυρισμοί έχουν αποθηκευτεί στο καθολικό τεκμηρίων, καθένας με τη δική του αξιολόγηση.

Δεν υπάρχουν ακόμη επιμελημένοι ισχυρισμοί

Αυτή η προβολή δεν επινοεί αξιολόγηση ισχυρισμού όταν το καθολικό δεν έχει κανέναν.

Σχετικές μέθοδοι

Δημιουργούνται από τον γράφο μεθόδων και εμφανίζονται ως προτεινόμενες από μηχανή σχέσεις — δεν υπονοείται ισχυρισμός τεκμηρίου.

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.