Gizli Yanlılık İçin Duyarlılık Analizi (Rosenbaum Sınırları / E-değeri)
Sensitivity Analysis for Hidden Bias in Observational Studies (Rosenbaum Bounds / E-value) · Ayrıca şöyle bilinir: Rosenbaum bounds, E-value, hidden bias sensitivity analysis, unmeasured confounding sensitivity, Duyarlılık Analizi — Gizli Yanlılık (Rosenbaum / E-value)
Gizli yanlılık için duyarlılık analizi, gözlemsel verilerden elde edilen nedensel bir sonucun geçersiz kılınabilmesi için ölçülmemiş bir karıştırıcı faktörün ne kadar güçlü etki etmesi gerektiğini niceliksel olarak belirleyen bir yöntem ailesidir. Paul Rosenbaum'un duyarlılık sınırları (2002) ile kristalize edilmiş ve VanderWeele ile Ding'in E-değeri (2017) ile genişletilmiştir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Birincil gözlemsel nedensel tahminden (eşleştirilmiş karşılaştırma veya regresyon ayarlaması gibi) sonra duyarlılık analizini kullanarak, bu tahminin ölçülmemiş karıştırıcı faktörlere karşı ne kadar sağlam olduğunu değerlendirin. Gözlemlenen kovaryatlar için yeterli ayarlama zaten yapıldığında ve referans etki büyüklüğünün güvenilir bir şekilde tahmin edilebilmesi için en az yaklaşık 50 gözlem olduğunda uygundur. Tanımlamanın yerini almak yerine onu tamamlar: yanlılığı ortadan kaldırmaz, ancak sonucun ne kadar gizli yanlılığa dayanabileceğini rapor eder. Γ eşiğini veya E-değerini yorumlamak alan bilgisi gerektirir — bunlar tamamen istatistiksel kesme noktaları değildir.
Güçlü yönler & sınırlılıklar
- Böyle bir karıştırıcı faktörü yok saymak yerine, nedensel bir bulgunun ölçülmemiş karıştırıcı faktörlere karşı sağlamlığını doğrudan niceliksel olarak belirler.
- E-değeri, raporlaması ve çalışmalar arasında karşılaştırması kolay, tek, ölçekten bağımsız bir sayıdır.
- Yeni bir tanımlama stratejisi gerektirmeden mevcut birincil analizin (eşleştirme, regresyon) üzerine uygulanır.
- Yanlılığı düzeltmez; sadece ne kadar gizli yanlılığın sonucu değiştireceğini açıklar.
- Yaklaşık 50 gözlemin altında referans etki büyüklüğü güvenilir bir şekilde tahmin edilemez, bu nedenle analiz bilgilendirici değildir.
- Bir Γ eşiğini veya E-değerini 'makul' veya 'mantıksız' olarak çevirmek, yalnızca istatistik değil, esaslı alan yargısı gerektirir.
SSS
E-değeri aslında neyi ölçer?
Bu, gözlemlenen etkiyi tamamen açıklamak için ölçülmemiş bir karıştırıcı faktörün hem tedavi hem de sonuçla sahip olması gereken, risk oranı ölçeğindeki minimum ilişki gücüdür. Daha büyük bir E-değeri, bulgunun geçersiz kılınmasının daha zor olduğu anlamına gelir.
Rosenbaum Γ parametresi nedir?
Γ, gözlemlenen kovaryatlar üzerinde eşleştirilmiş iki birimin, ölçülmemiş bir faktör nedeniyle tedavi alma olasılıklarında ne kadar farklılık gösterebileceğini sınırlar. Γ = 1, gizli yanlılık olmadığı anlamına gelir; Γ'yi artırmak, çıkarımın değişeceği noktayı gösterir.
Duyarlılık analizi karıştırıcı faktörleri ortadan kaldırır mı?
Hayır. Yanlılığı düzeltmez veya ortadan kaldırmaz. Sadece gizli bir karıştırıcı faktörün sonucu değiştirmek için ne kadar güçlü olması gerektiğini niceliksel olarak belirler, böylece sağlam bulgular kırılgan olanlardan ayırt edilebilir.
E-değeri küçük çıkarsa ne olur?
Küçük bir E-değeri, zayıf bir ölçülmemiş karıştırıcı faktörün bile sonucu sıfırlayabileceği anlamına gelir, bu nedenle birincil bulgu kırılgandır. Bu, enstrümantal değişken tahmini gibi daha güçlü bir tanımlama stratejisine ihtiyaç duyulabileceğini işaret eder.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Sensitivity Analysis for Hidden Bias in Observational Studies (Rosenbaum Bounds / E-value). ScholarGate. https://scholargate.app/tr/causal-inference/sensitivity-analysis-observational
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Ön Kapı Ayarlaması (Frontdoor Criterion)Nedensel çıkarım↔ karşılaştır
- Yerel Ortalama Tedavi Etkisi (LATE / CACE)Nedensel çıkarım↔ karşılaştır
- Nedensel Çıkarım için Plasebo TestleriNedensel çıkarım↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır
- İnstrumantal Değişkenler - İki Aşamalı En Küçük Kareler (IV/2SLS)Nedensel çıkarım↔ karşılaştır