Metodes pierādījumu reģistrs

Sensitivity Analysis for Unmeasured Confounding

Sensitivity analysis for hidden bias is a family of methods that quantify how strongly an unmeasured confounder would have to operate before it could overturn a causal conclusion drawn from observational data. It was crystallised by Paul Rosenbaum's sensitivity bounds (2002) and extended by VanderWeele and Ding's E-value (2017).

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Sensitivity Analysis for Hidden Bias in Observational Studies (Rosenbaum Bounds / E-value)

Taksonomiskās metodes reģistrs · regression-model / causal-inference

Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. · ISBN 978-0387989679
VanderWeele, T. J. & Ding, P. (2017). Sensitivity Analysis in Observational Research: Introducing the E-Value. Annals of Internal Medicine, 167(4), 268-274. · DOI 10.7326/M16-2607

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Same method familyFrontdoor Adjustmentmachine-suggested · Relational suggestion, not evidence.Same method familyLocal Average Treatment Effectmachine-suggested · Relational suggestion, not evidence.Same method familyPlacebo Testsmachine-suggested · Relational suggestion, not evidence.See alsoPropensity Score Matchingmachine-suggested · Relational suggestion, not evidence.Same method familyTwo-Stage Least Squares (2SLS)machine-suggested · Relational suggestion, not evidence.