G-Computation
G-computation is a causal inference method for estimating the effect of an intervention or treatment on an outcome from observational data. Developed by James M. Robins in 1986, it provides a parametric approach to standardization that can handle time-varying exposures and confounders. The method estimates what the population outcome would be under different intervention scenarios by utilizing fitted outcome models.
Înregistrare sursă
Citările sunt copiate integral din înregistrarea sursă a metodei. Nu se inferă nicio verificare la nivel de afirmație din acestea.
- Robins, J. M. (1986). A new approach to causal inference in mortality studies with sustained exposure periods: application to control of the healthy worker survivor effect. Mathematical Modelling, 7(9-12), 1393-1512. · DOI 10.1016/0270-0255(86)90088-6
- Taubman, S. L., Robins, J. M., Mittleman, M. A., & Hernán, M. A. (2009). Intervening on risk factors for coronary heart disease: an application of the parametric g-formula. International Journal of Epidemiology, 38(6), 1599-1611. · DOI 10.1093/ije/dyp192
- Ahern, J., Hubbard, A., & Galea, S. (2009). Estimating the effects of potential public health interventions on population disease burden: a step-by-step illustration of causal inference methods. American Journal of Epidemiology, 169(9), 1140-1147. · DOI 10.1093/aje/kwp015
Afirmații curate
Afirmațiile sunt stocate în registrul dovezilor, fiecare cu propria evaluare.
Această vizualizare nu inventează o evaluare a afirmației dacă registrul nu conține una.
Metode conexe
Generate din graful metodelor și afișate ca relații sugerate automat — nu se inferă nicio afirmație de dovadă.