निर्देशित अचक्रीय ग्राफ

एक निर्देशित अचक्रीय ग्राफ (DAG) नोड्स और एकतरफा तीरों का एक आरेख है जिसका उपयोग चरों के बीच कारण संबंधों के बारे में एक अन्वेषक की मान्यताओं को एन्कोड करने के लिए किया जाता है। महामारी विज्ञान में, DAGs उन मान्यताओं को स्पष्ट करते हैं और पूर्वाग्रह को पेश किए बिना एक कारण प्रभाव का अनुमान लगाने के लिए किन चरों को समायोजित करना है, यह तय करने के लिए औपचारिक नियम प्रदान करते हैं।

Definition

एक निर्देशित अचक्रीय ग्राफ एक ग्राफ है जिसमें नोड्स चरों का प्रतिनिधित्व करते हैं और निर्देशित किनारे प्रत्यक्ष कारण प्रभावों का प्रतिनिधित्व करते हैं, जिसमें कोई भी पथ अपने शुरुआती नोड पर वापस नहीं आता है, जिसका उपयोग यह पता लगाने के लिए किया जाता है कि कौन से समायोजन एक कारण प्रभाव की पहचान करते हैं।

Scope

यह विषय कारण DAGs की संरचना और पढ़ने, भ्रमित करने वाले (confounders), मध्यस्थों (mediators) और संघट्टकों (colliders) की अवधारणाओं, और ग्राफिकल नियमों, विशेष रूप से d-पृथक्करण (d-separation) और बैक-डोर मानदंड (back-door criterion) को शामिल करता है, जो एक खींचे गए ग्राफ को एक वैध समायोजन सेट से जोड़ते हैं। यह एक पद्धतिगत संदर्भ है, न कि नैदानिक ​​मार्गदर्शन।

Core questions

• कारण संरचना के बारे में मान्यताओं को स्पष्ट रूप से कैसे दर्शाया जा सकता है?
• एक कारण प्रभाव का अनुमान लगाने के लिए किन चरों को समायोजित किया जाना चाहिए, और किन को नहीं?
• एक कारण ग्राफ में भ्रमित करने वाले, मध्यस्थ और संघट्टक कैसे भिन्न होते हैं?

Key concepts

• नोड्स और निर्देशित किनारे
• भ्रमित करने वाला, मध्यस्थ और संघट्टक
• बैक-डोर पथ और बैक-डोर मानदंड
• d-पृथक्करण
• संघट्टक पूर्वाग्रह
• न्यूनतम पर्याप्त समायोजन सेट

Mechanisms

एक DAG में, एक चर से दूसरे चर तक का तीर एक अनुमानित प्रत्यक्ष कारण प्रभाव को एन्कोड करता है, और तीर की अनुपस्थिति प्रत्यक्ष प्रभाव की अनुमानित अनुपस्थिति को एन्कोड करती है। पर्ल का बैक-डोर मानदंड (pearl-1995) उन चरों के एक सेट की पहचान करता है, जो जब उन पर कंडीशनिंग की जाती है, तो एक्सपोजर और परिणाम के बीच सभी गैर-कारण (बैक-डोर) पथों को अवरुद्ध कर देता है, जबकि कारण पथ को खुला छोड़ देता है, जिससे एक निष्पक्ष समायोजन सेट प्राप्त होता है। ग्रीनलैंड, पर्ल और रॉबिन्स (greenland-pearl-robins-1999) ने महामारी विज्ञानियों के लिए इस ग्राफिकल सिद्धांत का अनुवाद किया, यह दिखाते हुए कि भ्रमित करने वाले कारकों को कैसे नियंत्रित किया जाना चाहिए, कुल प्रभावों का अनुमान लगाते समय मध्यस्थों को सामान्यतः नहीं किया जाना चाहिए, और संघट्टकों पर कंडीशनिंग नहीं की जानी चाहिए क्योंकि ऐसा करने से एक नकली पथ खुल जाता है (संघट्टक पूर्वाग्रह)। इसलिए, गलत चरों के लिए समायोजन इसे हटाने के बजाय पूर्वाग्रह पैदा कर सकता है (schisterman-2009), और dagitty जैसे सॉफ्टवेयर इन नियमों को क्रियान्वित करते हैं (textor-2016)।

Clinical relevance

DAGs यह मार्गदर्शन करते हैं कि नैदानिक ​​और सार्वजनिक-स्वास्थ्य साक्ष्य को सूचित करने वाले अध्ययनों में भ्रमित करने वाले नियंत्रण की योजना कैसे बनाई जाती है, जिससे पाठकों को यह समझने में मदद मिलती है कि एक विशेष समायोजन क्यों किया गया या नहीं किया गया। वे विश्लेषणात्मक तर्क का वर्णन करते हैं और व्यक्तिगत निदान या उपचार निर्णयों का आधार नहीं हैं।

Epidemiology

कारण DAGs अब महामारी विज्ञान में अवलोकन संबंधी अध्ययनों के डिजाइन और रिपोर्टिंग का एक मानक हिस्सा हैं, जिनका उपयोग सहसंयोजक चयन को सही ठहराने और चयन और संघट्टक पूर्वाग्रह का अनुमान लगाने के लिए किया जाता है। dagitty जैसे उपकरणों ने अनुप्रयुक्त कार्य में औपचारिक DAG विश्लेषण को नियमित बना दिया है (textor-2016)।

History

पर्ल ने गैर-प्रायोगिक डेटा से कारण अनुमान को औपचारिक बनाने के लिए कारण आरेख और बैक-डोर मानदंड पेश किए (pearl-1995), और ग्रीनलैंड, पर्ल और रॉबिन्स ने 1999 में इस ढांचे को महामारी विज्ञान में लाया (greenland-pearl-robins-1999)। बाद के अनुप्रयुक्त कार्य ने ओवरएडजस्टमेंट और संघट्टक पूर्वाग्रह (schisterman-2009) जैसे नुकसानों को स्पष्ट किया और DAGs का विश्लेषण करने के लिए व्यापक रूप से उपयोग किए जाने वाले सॉफ्टवेयर का उत्पादन किया (textor-2016)।

Debates

क्या अधिक सहसंयोजकों के लिए समायोजन हानिकारक हो सकता है?

DAG सिद्धांत दर्शाता है कि मध्यस्थों या संघट्टकों पर कंडीशनिंग पूर्वाग्रह पैदा कर सकती है, इसलिए सहसंयोजकों को जोड़ना स्वचालित रूप से सुरक्षित नहीं है; एक समायोजन सेट का चयन करने के लिए सांख्यिकीय सुविधा के बजाय स्पष्ट कारण मान्यताओं की आवश्यकता होती है।

Key figures

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

Seminal works

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

Frequently asked questions

एक निर्देशित अचक्रीय ग्राफ में 'अचक्रीय' का क्या अर्थ है?

इसका मतलब है कि कोई भी चर, तीरों की दिशा का पालन करके, अंततः खुद को कारण नहीं बना सकता है; प्रभाव बिना फीडबैक लूप के एक दिशा में प्रवाहित होते हैं।

एक संघट्टक के लिए समायोजन पूर्वाग्रह क्यों पैदा कर सकता है?

एक संघट्टक एक चर है जो दो अन्य द्वारा उत्पन्न होता है; इस पर कंडीशनिंग इसके कारणों के बीच एक नकली संबंध खोलती है, इसलिए इसके लिए समायोजन भ्रमित करने वाले को हटाने के बजाय पूर्वाग्रह पैदा कर सकता है।