Causal mediation analysis: what is it and how can it be used to inform practice and policy?
Notice bibliographique
Résumé
BACKGROUND: Causal mediation, a quantitative analysis method, has the potential to be a valuable addition to any primary care provider, researcher, or student's toolbox. OBJECTIVE: This manuscript describes the theory behind causal mediation, provides a running example to help understand the application of this method in research, and explains how the results may be applied practically to help design appropriate interventions. METHODS AND APPLICATION: Causal mediation allows an exploration of the mechanism of action of a primary care intervention on an outcome that may pass through a third variable that is on the causal pathway, a mediator. Causal mediation analysis allows the decomposition of the total effect of an intervention on an outcome into both direct and indirect effects. Careful interpretation of generated results can guide decision-makers when devising or refining interventions or policies that affect patient health outcomes in primary care. CONCLUSION: Causal mediation has been used in many disciplines and is well-positioned to answer varied research questions. However, the full extent of its potential has yet to be realized.
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 | 0,464 | 0,607 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,007 |
| Bibliométrie | 0,013 | 0,020 |
| Études des sciences et des technologies | 0,006 | 0,028 |
| Communication savante | 0,020 | 0,035 |
| Science ouverte | 0,009 | 0,008 |
| Intégrité de la recherche | 0,010 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».