استدلال خلاف واقع
استدلال خلاف واقع، منطق اساسی استنباط علّی نوین است: این استدلال، تأثیر یک مواجهه را به عنوان مقایسهای بین آنچه واقعاً اتفاق افتاده و آنچه تحت یک مواجهه متفاوت و خلاف واقع برای همان افراد یا جمعیت رخ میداد، تعریف میکند. از آنجایی که تنها یکی از این پیامدها مشاهده میشود، استنباط علّی به مشکلی برای بازیابی خلاف واقع گمشده تبدیل میشود.
Definition
استدلال خلاف واقع، یک اثر علّی را به عنوان تضادی بین پیامدهای بالقوه تعریف میکند؛ پیامدهایی که یک واحد تحت مواجهههای مختلف تجربه میکند، که حداکثر یکی از آنها برای هر واحد مشاهده میشود.
Scope
این موضوع چارچوب پیامدهای بالقوه (مدل علّی روبین)، تعریف اثرات علّی فردی و میانگین به عنوان تضادهای خلاف واقع، و مشکل اساسی استنباط علّی را پوشش میدهد که تنها یک پیامد بالقوه برای هر واحد قابل مشاهده است. این یک مرجع روششناختی است، نه راهنمای بالینی.
Core questions
- اگر همین افراد تحت مواجهه متفاوتی قرار میگرفتند، چه اتفاقی میافتاد؟
- هنگامی که تنها یک پیامد قابل مشاهده است، اثر علّی چگونه تعریف میشود؟
- اثرات علّی فردی و میانگین چه ارتباطی با هم دارند؟
Key concepts
- پیامدهای بالقوه
- اثر علّی فردی در مقابل میانگین
- مشکل اساسی استنباط علّی
- تضاد خلاف واقع
- قابلیت تعویض
- سازگاری
Mechanisms
در مدل پیامدهای بالقوه که توسط روبین (rubin-1974) رسمی شد، هر واحد تحت هر مواجهه ممکن، یک پیامد بالقوه دارد؛ اثر علّی فردی تضاد بین آنهاست، و اثر علّی میانگین، میانگین جمعیتی آن تضادهاست. مشکل اساسی این است که تنها پیامد تحت مواجهه واقعی دریافت شده مشاهده میشود، بنابراین خلاف واقع باید با استفاده از یک گروه مقایسه تخمین زده شود. این تنها زمانی معتبر است که گروهها قابل تعویض باشند، یعنی اگر همان مواجهه را دریافت میکردند، توزیع پیامد یکسانی داشتند (greenland-robins-1986)، و زمانی که پیامد مشاهده شده با پیامد بالقوه مربوطه مطابقت دارد (سازگاری). تصادفیسازی، قابلیت تعویض را به صورت طراحی تضمین میکند؛ در دادههای مشاهدهای باید فرض و دفاع شود (hernan-robins-2006). نمودارهای علّی یک نمایش ساختاری مکمل از همین مفروضات خلاف واقع را ارائه میدهند (greenland-pearl-robins-1999).
Clinical relevance
تعریف خلاف واقع روشن میکند که اثر درمان یا مواجهه واقعاً به چه معناست و چرا یک گروه مقایسه معتبر ضروری است، که زیربنای ارزیابی تمام شواهد علّی در علوم بهداشتی است. این تعریف، منطق تخمین اثر را توصیف میکند و مبنایی برای تصمیمات تشخیصی یا درمانی فردی نیست.
Epidemiology
چارچوب پیامدهای بالقوه، ستون فقرات مفهومی روشهای اپیدمیولوژیک معاصر است، از کارآزماییهای تصادفیشده تا تحلیلهای مشاهدهای با استفاده از تنظیم، وزندهی یا روشهای g. این چارچوب، زبانی را فراهم میکند که در آن مخدوشکنندهها، سوگیری انتخاب و تعدیل اثر اکنون تعریف میشوند (hernan-robins-2006).
History
ایده پیامدهای بالقوه به کار نیمان در اوایل قرن بیستم در مورد آزمایشهای تصادفیشده بازمیگردد و توسط روبین در سال 1974 به مطالعات مشاهدهای تعمیم یافت (rubin-1974). گرینلند و رابینز آن را از طریق قابلیت تعویض به مخدوشکنندههای اپیدمیولوژیک مرتبط کردند (greenland-robins-1986)، و این چارچوب، که بعدها با نمودارهای علّی یکپارچه شد (greenland-pearl-robins-1999)، در نحوه تعریف و تخمین اثرات علّی توسط اپیدمیولوژیستها محوری شد (hernan-robins-2006).
Debates
- یک مداخله خلاف واقع تا چه حد باید به خوبی تعریف شده باشد؟
- برخی استدلال میکنند که تضادهای خلاف واقع تنها برای مواجهههایی که با مداخلات فرضی نسبتاً به خوبی تعریف شده مطابقت دارند، معنیدار هستند و سؤالاتی را در مورد اثرات ویژگیهایی مانند نژاد یا وزن بدن مطرح میکنند؛ برخی دیگر دیدگاه گستردهتری نسبت به تضادهای مجاز دارند.
Key figures
- Donald Rubin
- Jerzy Neyman
- James Robins
- Sander Greenland
- Miguel Hernán
Related topics
Seminal works
- rubin-1974
- greenland-robins-1986
- greenland-pearl-robins-1999
Frequently asked questions
- چرا به آن «مشکل اساسی» استنباط علّی میگویند؟
- زیرا برای هر واحد تنها پیامد تحت مواجهه واقعی دریافت شده قابل مشاهده است؛ پیامد تحت مواجهه جایگزین وجود ندارد، بنابراین اثر علّی فردی هرگز نمیتواند مستقیماً اندازهگیری شود.
- تصادفیسازی چگونه به خلاف واقع کمک میکند؟
- تخصیص تصادفی، گروههای مواجهه را به طور متوسط قابل تعویض میکند، بنابراین پیامد مشاهده شده در یک گروه، پیامد خلاف واقع گمشده گروه دیگر را تخمین میزند و امکان تخمین اثر علّی میانگین را فراهم میکند.