Identification causale

L'identification causale est l'étape de l'inférence causale qui consiste à déterminer si une quantité causale d'intérêt peut, même en principe, être récupérée à partir des données disponibles sous des hypothèses énoncées. Elle distingue la question conceptuelle de ce qui est estimé de la question statistique de la précision avec laquelle cela peut être estimé, et est logiquement antérieure à toute analyse.

Definition

L'identification causale est la démonstration que, sous des hypothèses explicites, un effet causal défini est égal à une quantité qui peut être calculée à partir de la distribution des données observées.

Scope

Ce sujet aborde les conditions d'identification qui relient un estimande causal à une fonction des données observées, l'échangeabilité (absence de facteurs de confusion non mesurés), la positivité et la cohérence, ainsi que des stratégies telles que l'ajustement sur les covariables, les variables instrumentales et l'émulation d'essai cible. Il s'agit d'une référence méthodologique, et non d'une directive clinique.

Core questions

• L'effet causal d'intérêt peut-il être récupéré à partir des données ?
• Quelles hypothèses sont requises pour l'identification, et sont-elles plausibles ?
• Quelle stratégie, ajustement, instruments ou émulation d'essai, identifie l'effet cible ?

Key concepts

• Estimande et identification
• Échangeabilité (absence de facteurs de confusion non mesurés)
• Positivité
• Cohérence
• Variables instrumentales
• Émulation d'essai cible

Mechanisms

L'identification nécessite de relier un contraste contrefactuel à des quantités observées par le biais d'hypothèses. Greenland et Robins (greenland-robins-1986) ont formalisé l'échangeabilité, l'exigence selon laquelle les groupes exposés et non exposés auraient eu des résultats comparables s'ils avaient partagé la même exposition, comme la condition fondamentale qui, avec la positivité (chaque sous-groupe pertinent peut subir chaque exposition) et la cohérence (le résultat observé sous l'exposition réelle est égal au contrefactuel correspondant), permet d'éliminer les facteurs de confusion par ajustement. Lorsque des facteurs de confusion non mesurés rendent l'identification basée sur l'ajustement peu plausible, une variable instrumentale, un facteur n'affectant le résultat que par l'exposition, peut parfois identifier un effet sous ses propres hypothèses fortes (hernan-robins-2006-iv). Formuler une analyse observationnelle comme l'émulation explicite d'un essai randomisé cible hypothétique aide à rendre les hypothèses d'identification transparentes et évite les biais de conception courants (hernan-robins-2016-trial). Les critères graphiques offrent un moyen systématique de vérifier l'identifiabilité à partir d'une structure causale supposée (pearl-1995).

Clinical relevance

La question de savoir si un effet causal est identifiable détermine si les preuves observationnelles concernant un traitement ou une exposition peuvent être interprétées causalement, ce qui est essentiel pour évaluer de telles preuves. Ce sujet décrit la logique de la génération de preuves et ne constitue pas une base pour des décisions diagnostiques ou thérapeutiques individuelles.

Epidemiology

La pensée de l'identification est désormais intégrée à l'épidémiologie observationnelle et à la recherche sur l'efficacité comparative, où les chercheurs énoncent leurs hypothèses avant d'estimer les effets. Le cadre de l'essai cible est devenu un outil largement utilisé pour organiser l'identification dans les études utilisant des données de santé collectées en routine (hernan-robins-2016-trial).

History

L'article de Greenland et Robins de 1986 a fourni à l'épidémiologie une description rigoureuse de l'identifiabilité par l'échangeabilité (greenland-robins-1986), et les méthodes graphiques ont ensuite fourni des critères généraux pour la vérifier (pearl-1995). Les littératures sur les variables instrumentales et les essais cibles ont ensuite étendu les stratégies d'identification aux situations où un simple ajustement échoue (hernan-robins-2006-iv, hernan-robins-2016-trial).

Debates

Quelle est la crédibilité des hypothèses des variables instrumentales ?

Les variables instrumentales peuvent identifier des effets en présence de facteurs de confusion non mesurés, mais leurs hypothèses clés, à savoir que l'instrument n'affecte le résultat que par l'exposition et ne partage aucune cause commune avec elle, sont largement invérifiables et souvent débattues dans les applications.

Key figures

• Sander Greenland
• James Robins
• Miguel Hernán
• Judea Pearl

Seminal works

• greenland-robins-1986
• hernan-robins-2006-iv
• hernan-robins-2016-trial

Frequently asked questions

Quelle est la différence entre identification et estimation ?

L'identification demande si la quantité causale peut être exprimée en termes de données observables sous des hypothèses énoncées ; l'estimation demande comment la calculer précisément à partir d'un échantillon fini une fois qu'elle est identifiée.

Qu'est-ce que l'hypothèse d'« absence de facteurs de confusion non mesurés » ?

Souvent appelée échangeabilité, elle stipule que, sous réserve des covariables mesurées, les groupes exposés et non exposés auraient eu la même distribution de résultats s'ils avaient reçu la même exposition ; elle est requise pour l'identification basée sur l'ajustement et est généralement invérifiable.