"Toward a Clearer Definition of Confounding" Revisited With Directed Acyclic Graphs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In a 1993 paper (Am J Epidemiol. 1993;137(1):1-8), Weinberg considered whether a variable that is associated with the outcome and is affected by exposure but is not an intermediate variable between exposure and outcome should be considered a confounder in etiologic studies. As an example, she examined the common practice of adjusting for history of spontaneous abortion when estimating the effect of an exposure on the risk of spontaneous abortion. She showed algebraically that such an adjustment could substantially bias the results even though history of spontaneous abortion would meet some definitions of a confounder. Directed acyclic graphs (DAGs) were introduced into epidemiology several years later as a tool with which to identify confounders. The authors now revisit Weinberg's paper using DAGs to represent scenarios that arise from her original assumptions. DAG theory is consistent with Weinberg's finding that adjusting for history of spontaneous abortion introduces bias in her original scenario. In the authors' examples, treating history of spontaneous abortion as a confounder introduces bias if it is a descendant of the exposure and is associated with the outcome conditional on exposure or is a child of a collider on a relevant undirected path. Thoughtful DAG analyses require clear research questions but are easily modified for examining different causal assumptions that may affect confounder assessment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle