ScholarGate
دستیار

گراف جهت‌دار غیرمدور

گراف جهت‌دار غیرمدور (DAG) نموداری از گره‌ها و فلش‌های یک‌طرفه است که برای رمزگذاری فرضیات یک محقق در مورد روابط علّی بین متغیرها استفاده می‌شود. در اپیدمیولوژی، DAGها این فرضیات را صریح می‌کنند و قوانین رسمی را برای تصمیم‌گیری در مورد اینکه کدام متغیرها باید برای تخمین یک اثر علّی بدون ایجاد سوگیری تنظیم شوند، ارائه می‌دهند.

یافتن موضوع با PaperMindبه‌زودیFind papers & topics
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

Definition

گراف جهت‌دار غیرمدور گرافی است که در آن گره‌ها نشان‌دهنده متغیرها و یال‌های جهت‌دار نشان‌دهنده اثرات علّی مستقیم مفروض هستند، بدون هیچ مسیری که به گره شروع خود بازگردد، و برای استخراج اینکه کدام تنظیمات یک اثر علّی را شناسایی می‌کنند، استفاده می‌شود.

Scope

این موضوع ساختار و خواندن DAGهای علّی، مفاهیم مخدوش‌کننده‌ها (confounders)، واسطه‌ها (mediators) و برخوردکننده‌ها (colliders) و قوانین گرافیکی، به ویژه جداسازی d (d-separation) و معیار مسیر پشتی (back-door criterion) را پوشش می‌دهد که یک گراف ترسیم شده را به یک مجموعه تنظیم معتبر پیوند می‌دهد. این یک مرجع روش‌شناختی است، نه راهنمای بالینی.

Core questions

  • چگونه می‌توان فرضیات مربوط به ساختار علّی را به صراحت نشان داد؟
  • برای تخمین یک اثر علّی، کدام متغیرها باید تنظیم شوند و کدام نباید؟
  • مخدوش‌کننده‌ها، واسطه‌ها و برخوردکننده‌ها در یک گراف علّی چگونه با هم تفاوت دارند؟

Key concepts

  • گره‌ها و یال‌های جهت‌دار
  • مخدوش‌کننده، واسطه و برخوردکننده
  • مسیر پشتی و معیار مسیر پشتی
  • جداسازی d
  • سوگیری برخوردکننده
  • مجموعه تنظیم کافی حداقل

Mechanisms

در یک DAG، یک فلش از یک متغیر به متغیر دیگر یک اثر علّی مستقیم مفروض را رمزگذاری می‌کند و عدم وجود فلش نشان‌دهنده عدم وجود اثر مستقیم مفروض است. معیار مسیر پشتی پرل (pearl-1995) مجموعه‌ای از متغیرها را شناسایی می‌کند که با شرطی‌سازی بر روی آن‌ها، تمام مسیرهای غیرعلّی (مسیر پشتی) بین مواجهه و پیامد را مسدود می‌کند در حالی که مسیر علّی را باز نگه می‌دارد و یک مجموعه تنظیم بدون سوگیری را به دست می‌دهد. گرینلند، پرل و رابینز (greenland-pearl-robins-1999) این نظریه گرافیکی را برای اپیدمیولوژیست‌ها ترجمه کردند و نشان دادند که چگونه مخدوش‌کننده‌ها باید کنترل شوند، واسطه‌ها معمولاً هنگام تخمین اثرات کل نباید کنترل شوند، و برخوردکننده‌ها نباید شرطی‌سازی شوند زیرا این کار یک مسیر کاذب (سوگیری برخوردکننده) را باز می‌کند. بنابراین، تنظیم برای متغیرهای اشتباه می‌تواند به جای حذف سوگیری، آن را ایجاد کند (schisterman-2009)، و نرم‌افزارهایی مانند dagitty این قوانین را عملیاتی می‌کنند (textor-2016).

Clinical relevance

DAGها نحوه برنامه‌ریزی کنترل مخدوش‌کننده را در مطالعاتی که شواهد بالینی و بهداشت عمومی را ارائه می‌دهند، هدایت می‌کنند و به خوانندگان کمک می‌کنند تا بفهمند چرا یک تنظیم خاص انجام شده یا نشده است. آن‌ها استدلال تحلیلی را توصیف می‌کنند و مبنایی برای تصمیمات تشخیصی یا درمانی فردی نیستند.

Epidemiology

DAGهای علّی اکنون بخش استانداردی از طراحی و گزارش مطالعات مشاهده‌ای در سراسر اپیدمیولوژی هستند که برای توجیه انتخاب کوواریت و پیش‌بینی سوگیری انتخاب و برخوردکننده استفاده می‌شوند. ابزارهایی مانند dagitty تحلیل رسمی DAG را در کارهای کاربردی معمول کرده‌اند (textor-2016).

History

پرل نمودارهای علّی و معیار مسیر پشتی را برای رسمی‌سازی استنتاج علّی از داده‌های غیرتجربی معرفی کرد (pearl-1995)، و گرینلند، پرل و رابینز این چارچوب را در سال 1999 وارد اپیدمیولوژی کردند (greenland-pearl-robins-1999). کارهای کاربردی بعدی، مشکلات احتمالی مانند تنظیم بیش از حد (overadjustment) و سوگیری برخوردکننده (collider bias) را روشن کرد (schisterman-2009) و نرم‌افزارهای پرکاربردی را برای تجزیه و تحلیل DAGها تولید کرد (textor-2016).

Debates

آیا تنظیم برای کوواریت‌های بیشتر می‌تواند مضر باشد؟
نظریه DAG نشان می‌دهد که شرطی‌سازی بر روی واسطه‌ها یا برخوردکننده‌ها می‌تواند سوگیری ایجاد کند، بنابراین افزودن کوواریت‌ها به طور خودکار ایمن‌تر نیست؛ انتخاب یک مجموعه تنظیم به فرضیات علّی صریح نیاز دارد تا راحتی آماری.

Key figures

  • Judea Pearl
  • Sander Greenland
  • James Robins
  • Enrique Schisterman

Related topics

Seminal works

  • pearl-1995
  • greenland-pearl-robins-1999

Frequently asked questions

«غیرمدور» در گراف جهت‌دار غیرمدور به چه معناست؟
به این معنی است که هیچ متغیری نمی‌تواند با پیروی از جهت فلش‌ها، در نهایت باعث خودش شود؛ اثرات در یک جهت بدون حلقه‌های بازخورد جریان دارند.
چرا تنظیم برای یک برخوردکننده می‌تواند سوگیری ایجاد کند؟
برخوردکننده متغیری است که توسط دو متغیر دیگر ایجاد می‌شود؛ شرطی‌سازی بر روی آن یک ارتباط کاذب بین علل آن باز می‌کند، بنابراین تنظیم برای آن می‌تواند به جای حذف مخدوش‌کنندگی، سوگیری ایجاد کند.

Methods for this concept

Related concepts