Inleiding DAGs Flashcards
(13 cards)
Wat zei Susan Haack?
We wetenschap maakt gebruik van hulpmiddelen om succesvol te zijn
Wat is de functie van causale diagrammen?
Causale diagrammen helpen bij het helden maken van onze conceptuele kennis en onze causale assumpties bij een specifieke epidemiologische vraag
Wat zijn DAGs?
Directed Acyclic Graphs zijn visuele weergaven van causale assumpties en kennis met betrekking tot complexe causale vraagstukken
Directed
- Verbindingen geven een richting aan (X veroorzaakt Y, maar niet andersom)
Acyclic
- Er zijn geen cyclische verbindingen (een variabele veroorzaakt zichzelf niet, ook niet indirect)
Een pijl (edge) die van één variabele (node) naar een andere wijst geeft aan dat we weten dat er een direct causaal verband is, of dat we niet kunnen of willen aannemen dat er géén causaal effect is.
*DAGs vertellen ons welke associaties we kunnen verwachten in de data
Welke informatie geven DAGs niet?
- DAGs doen geen uitsprake over het meetniveau van de variabelen die ze representeren
- Specificeren niet of een causaal effect positief of negatief is
Wat zijn de criteria voor confounding?
- Z is geassocieerd met X in de bevolking
- Z is geassocieerd met Y bij mensen die niet zijn blootgesteld aan X
- Z ligt niet op het causale pad tussen X en Y
Wat is een collider en collider bias?
Een collider wordt veroorzaakt door de determinant (X) en de uitkomst (Y)
X ==> collider <== Y
Door te corrigeren voor een collider wordt er een associatie gecreëerd tussen de determinant (X) en de uitkomst (Y), ook als deze associatie er in werklijkheid niet is (= een vorm van selectiebias).
Wat is Berkson’s paradox?
Berkson’s paradox is een vorm van selectiebias
- Komt voornamelijk voor in ziekenhuis-gebaseerde studies of case-control studies (bijv. door selectie van opname in ziekenhuis)
Ontstaat wanneer er een kunstmatig verband wordt gevonden tussen twee variabelen doordat de populatie waarin ze onderzocht worden niet representatief is voor de algemene populatie
= een verkeerde (meestal negatieve) associatie tussen twee variabelen, doors selectie op een derde variabele (zoals opname in het ziekenhuis)
Dit kan de interne validiteit van een studie beïnvloeden
Wat is het ‘birth weight paradox’?
Een verschijnsel waarbij er bij baby’s met een laag geboortegewicht, van rokende moeders, een lager risico op sterfte werd gevonden dan vergelijkbare babies, van niet-rokende moeders.
Dit komt doordat er alleen werd gekeken binnen de groep babies met een laag geboortegewicht, waardoor ‘unmeasured factors’ (confounders) en selectiebias het beeld vertekenen.
Low birth weight is in deze associatie een collider, aangezien het wordt veroorzaakt door roken van de moeder én ‘unmeasured factors’
Bij A ==> B ==> Y zorgt controleren voor B ervoor dat…
En B is een?
.. de informatie van A niet bij Y terecht komt
Mediator
Bij A < == B == > Y zorgt controleren voor B ervoor dat…
Hier is sprake van>?
… er geen informatie van A bij Y terecht komt
Confounding
Bij A == > B < == Y beginnen A en Y als onafhankelijk van elkaar. Controleren voor B zorgt ervoor dat…
Dit fenomeen heet?
… er wel informatie van A bij Y komt (onterecht).
Collider bias
Controleren voor een ‘child’ is als…
… gedeeltelijk controleren voor de ‘parent’
Door te corrigeren voor een ‘child’ corrigeer je dus ook ongewenst voor de ‘parent’
Hoe kunnen we exchangeability bereiken in observationele studies?
Alleen wanneer we een goed idee hebben van de mogelijke confounders van een causaal effect, we deze adequaat kunnen meten, en hiervoor corrigeren.
