कार्यकारण संबंध अनुमान सामान्य सांख्यिकीय संबंध से कैसे भिन्न है?

संबंध यह बताता है कि डेटा में चर एक साथ कैसे चलते हैं; कार्यकारण संबंध अनुमान यह बताता है कि डेटा कैसे उत्पन्न हुआ, इसके बारे में स्पष्ट धारणाएँ जोड़ता है ताकि एक चर को दूसरे पर बदलने के प्रभाव के रूप में व्याख्या किया जा सके।

क्या यादृच्छिक परीक्षण के बिना कारणात्मक प्रभावों का अनुमान लगाया जा सकता है?

हाँ, लेकिन केवल बताए गए और अक्सर अप्रत्याशित मान्यताओं के तहत जैसे कि कोई अप्रत्याशित भ्रम नहीं; कार्यकारण संबंध अनुमान के तरीके उन मान्यताओं को स्पष्ट करते हैं और शोधकर्ताओं को यह परीक्षण करने देते हैं कि निष्कर्ष उनके प्रति कितने सुदृढ़ हैं।

कार्यकारण संबंध अनुमान (Causal Inference)

कार्यकारण संबंध अनुमान महामारी विज्ञान और बायोस्टैटिस्टिक्स की वह शाखा है जो यह तय करने से संबंधित है कि किसी एक्सपोजर और परिणाम के बीच एक प्रेक्षित संबंध संयोग, पूर्वाग्रह या भ्रम के बजाय एक वास्तविक कारण-और-प्रभाव संबंध को कब दर्शाता है। यह वैचारिक ढाँचे, ग्राफिकल उपकरण और विश्लेषणात्मक तरीके प्रदान करता है जो शोधकर्ताओं को कारणात्मक प्रश्नों को सटीक रूप से बताने और यह आकलन करने की अनुमति देते हैं कि उपलब्ध डेटा उनका उत्तर दे सकता है या नहीं।

PaperMind से विषय खोजेंजल्द हीFind papers & topics

Tools & resources

स्लाइड डाउनलोड करें

Learn & explore

वीडियोजल्द ही

Definition

कार्यकारण संबंध अनुमान औपचारिक ढाँचों और विधियों का एक समूह है जिसका उपयोग कारणात्मक प्रभावों को परिभाषित करने, उन मान्यताओं को बताने के लिए किया जाता है जिनके तहत उन्हें डेटा से अनुमानित किया जा सकता है, और यह आकलन करने के लिए किया जाता है कि उन मान्यताओं के उल्लंघन के प्रति परिणामी निष्कर्ष कितने सुदृढ़ हैं।

Scope

यह क्षेत्र स्वास्थ्य अनुसंधान में आधुनिक कारणात्मक तर्क के मुख्य तंत्र को एकत्रित करता है: कारणात्मक मानदंड और कार्य-कारण के सिद्धांत, मान्यताओं को एन्कोड करने के लिए निर्देशित चक्रीय ग्राफ, पहचान की शर्तें जो एक कारणात्मक अनुमान को अनुमान योग्य मात्राओं से जोड़ती हैं, अप्रत्याशित पूर्वाग्रह के लिए संवेदनशीलता विश्लेषण, और प्रति-तथ्यात्मक (संभावित-परिणाम) ढाँचा जो उन सभी को रेखांकित करता है। यह एक पद्धतिगत संदर्भ है, न कि नैदानिक मार्गदर्शन।

Sub-topics

Core questions

एक सांख्यिकीय संबंध एक कारणात्मक निष्कर्ष का समर्थन कब करता है?
अवलोकन संबंधी डेटा से एक कारणात्मक प्रभाव की पहचान करने के लिए किन मान्यताओं की आवश्यकता है?
उन मान्यताओं को कैसे स्पष्ट किया जा सकता है और उनकी जाँच कैसे की जा सकती है?
एक कारणात्मक निष्कर्ष अप्रत्याशित भ्रम या अन्य पूर्वाग्रह के प्रति कितना संवेदनशील है?

Key concepts

प्रति-तथ्यात्मक और संभावित परिणाम
भ्रम और विनिमयशीलता
निर्देशित चक्रीय ग्राफ
पहचान और अनुमान
संवेदनशीलता विश्लेषण
कार्य-कारण पर हिल के विचार

Mechanisms

आधुनिक कार्यकारण संबंध अनुमान रुबिन (rubin-1974) द्वारा औपचारिक रूप से प्रतिपादित संभावित-परिणाम (प्रति-तथ्यात्मक) मॉडल पर आधारित है, जिसमें एक कारणात्मक प्रभाव एक ही इकाइयों के लिए विभिन्न, परस्पर अनन्य एक्सपोजर के तहत होने वाले परिणामों के बीच एक विरोधाभास है। निर्देशित चक्रीय ग्राफ (greenland-pearl-robins-1999) यह बताता है कि चर कैसे संबंधित हैं, इसके बारे में ठोस मान्यताओं को एक ग्राफ में अनुवादित करते हैं जिसकी संरचना यह निर्धारित करती है कि कौन से समायोजन भ्रम को रोकते हैं और कौन से पूर्वाग्रह को जन्म देंगे। पहचान यह पूछती है कि क्या, विनिमयशीलता, सकारात्मकता और संगति जैसी बताई गई मान्यताओं के तहत, प्रति-तथ्यात्मक विरोधाभास प्रेक्षित डेटा के एक फ़ंक्शन के बराबर है (hernan-robins-2006)। जहाँ मान्यताओं की गारंटी नहीं दी जा सकती है, संवेदनशीलता विश्लेषण यह निर्धारित करता है कि निष्कर्ष को पलटने के लिए एक अप्रत्याशित पूर्वाग्रह कितना मजबूत होना चाहिए।

Clinical relevance

कार्यकारण संबंध अनुमान ढाँचे यह आकार देते हैं कि उपचारों, एक्सपोजर और जोखिम कारकों पर अवलोकन संबंधी साक्ष्य कैसे उत्पन्न और मूल्यांकित किए जाते हैं; उन्हें समझना पाठकों को यह तय करने में मदद करता है कि रिपोर्ट किया गया प्रभाव विश्वसनीय है या नहीं। यह क्षेत्र बताता है कि साक्ष्य पर कैसे तर्क दिया जाता है और यह व्यक्तिगत निदान या उपचार सिफारिशों का स्रोत नहीं है।

Epidemiology

कार्यकारण संबंध अनुमान के तरीके अब अवलोकन संबंधी महामारी विज्ञान, फार्माकोएपिडेमियोलॉजी और तुलनात्मक-प्रभावशीलता अनुसंधान में मानक हैं, जहाँ यादृच्छिकीकरण अक्सर असंभव होता है और जांचकर्ताओं को इसके बजाय स्पष्ट धारणाएँ बनानी और उनका बचाव करना चाहिए। बहुलवादी परंपरा इस बात पर जोर देती है कि कोई भी एक विधि या मानदंड अपने आप में कार्य-कारण को तय नहीं करता है (vandenbroucke-2016)।

History

बीसवीं सदी के महामारी विज्ञान ने हिल के 1965 के विचारों (hill-1965) में क्रिस्टलीकृत अनौपचारिक संघ-बनाम-कार्य-कारण बहसों से, कार्य-कारण के एक स्पष्ट गणितीय सिद्धांत की ओर कदम बढ़ाया। रुबिन का 1974 का संभावित-परिणाम सूत्रण (rubin-1974) और ग्रीनलैंड, पर्ल और रॉबिन्स (greenland-pearl-robins-1999) द्वारा कारणात्मक आरेखों का बाद का विकास, प्रति-तथ्यात्मक तर्क को ग्राफिकल मॉडल के साथ एकीकृत करता है, और 2000 के दशक तक ये उपकरण महामारी विज्ञानियों द्वारा कारणात्मक प्रश्नों को तैयार करने और उनका उत्तर देने के तरीके में केंद्रीय हो गए थे (hernan-robins-2006)।

Debates

क्या कार्यकारण संबंध अनुमान के लिए कोई एक सही ढाँचा है?: कुछ का तर्क है कि ग्राफिकल विधियों के साथ प्रति-तथ्यात्मक मॉडल एक एकीकृत आधार प्रदान करता है, जबकि अन्य एक बहुलवादी दृष्टिकोण का बचाव करते हैं जिसमें विभिन्न मानदंड और विधियाँ एक-दूसरे के पूरक होती हैं और कोई एक नियम कार्य-कारण को हल नहीं करता है।

Key figures

Austin Bradford Hill
Jerome Cornfield
Donald Rubin
James Robins
Sander Greenland
Judea Pearl
Miguel Hernán

Seminal works

hill-1965
rubin-1974
greenland-pearl-robins-1999
hernan-robins-2006

Frequently asked questions

कार्यकारण संबंध अनुमान सामान्य सांख्यिकीय संबंध से कैसे भिन्न है?: संबंध यह बताता है कि डेटा में चर एक साथ कैसे चलते हैं; कार्यकारण संबंध अनुमान यह बताता है कि डेटा कैसे उत्पन्न हुआ, इसके बारे में स्पष्ट धारणाएँ जोड़ता है ताकि एक चर को दूसरे पर बदलने के प्रभाव के रूप में व्याख्या किया जा सके।
क्या यादृच्छिक परीक्षण के बिना कारणात्मक प्रभावों का अनुमान लगाया जा सकता है?: हाँ, लेकिन केवल बताए गए और अक्सर अप्रत्याशित मान्यताओं के तहत जैसे कि कोई अप्रत्याशित भ्रम नहीं; कार्यकारण संबंध अनुमान के तरीके उन मान्यताओं को स्पष्ट करते हैं और शोधकर्ताओं को यह परीक्षण करने देते हैं कि निष्कर्ष उनके प्रति कितने सुदृढ़ हैं।