It is emphasised that for epidemiological studies where disease incidence is rare, results from conventional proportional hazards models can often correctly estimate causal associations. The well-known "backdoor criteria" from causal-inference is applied to the common epidemiological study of rare diseases with a proportional hazards model, providing an example of when and how estimates from conventional proportional hazards studies can be used. A similar study with the "frontdoor criteria", that allows studies with unmeasured confounders, finds similar results to conventional mediation analysis with measured confounders. Reasons for this are discussed.


翻译:人们强调,对于罕见的疾病发病率的流行病学研究,传统比例危害模型的结果往往可以正确地估计因果关系。由因果推断得出的众所周知的“后门标准”适用于具有比例危害模型的稀有疾病的常见流行病学研究,为何时以及如何使用常规比例危害研究的估计数提供了一个实例。 与“前门标准”类似的研究,允许与非计量的混杂者进行研究,其结果与与与有计量的混杂者进行的传统调解分析相似。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
已删除
将门创投
4+阅读 · 2018年6月4日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
14+阅读 · 2020年12月17日
VIP会员
相关VIP内容
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
已删除
将门创投
4+阅读 · 2018年6月4日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员