Fine Particulate Air Pollution and the “No-Multiple-Versions-of-Treatment” Assumption: Does Particle Composition Matter for Causal Inference?
Notice bibliographique
Résumé
Here we discuss possible violations of the "no-multiple-versions-of-treatment" assumption in studies of outdoor fine particulate air pollution (particulate matter with an aerodynamic diameter less than or equal to 2.5 μm (PM2.5)) owing to differences in particle composition, which in turn influence health. This assumption is part of the potential outcomes framework for causal inference, and it is needed for well-defined potential outcomes, as multiple versions of the same treatment could lead to different health risks for the same level of treatment. Since 2 locations can have the same outdoor PM2.5 mass concentration (i.e., treatment) but different chemical compositions (i.e., versions of treatment), violations of the "no-multiple-versions-of-treatment" assumption seem likely. Importantly, violations of this assumption will not bias health risk estimates for PM2.5 mass concentrations if there are no unmeasured confounders of the "version of treatment"-outcome relationship. However, confounding can occur if these factors are not identified and controlled for in the analysis. We describe situations in which this may occur and provide simulations to estimate the magnitude and direction of this possible bias. In general, violations of the "no-multiple-versions-of-treatment" assumption could be an underappreciated source of bias in studies of outdoor PM2.5. Analysis of the health impacts of outdoor PM2.5 mass concentrations across spatial domains with similar composition could help to address this issue.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,364 | 0,605 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,010 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,018 |
| Communication savante | 0,007 | 0,015 |
| Science ouverte | 0,009 | 0,005 |
| Intégrité de la recherche | 0,011 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».