07归因分析资料.ppt

医学的使命 寻找病因 寻找治疗病因的手段 对原因进行研究的两个范畴 哲学层面 因果的机制（mechanism of cause） 统计学层面 因果的效应（causal effect） 什么是原因 Aristotle（AD384-AD322）的“四因说” “质料因（the material cause）” “形式因（the formal cause）” “动力因（the efficient cause）” “目的因（the final cause）” Suppes（1922-） Granger （1935-2009） 如果B的存在导致A发生的概率增大（或减小），则可称B是A的原因（cause）。 观测性等价（Observational equivalence） 按Bayes公式推导如果P(B|A)P(B)成立，则P(A|B)P(A)一定成立。 也就是说： 如果A是B的原因，则必然可以推导出B是A 的原因。 初步证据的因果性（prima facie causality） “最近的一些作者因为缺少对原始文献的阅读，很多应用都是不恰当的，就象一个聚会中的传言一样，以讹传讹，最后与初始的东西面目全非。” ——Granger （1980） 小插曲—— causal effect（因果效应） gain（天赋） 对原因的研究 研究原因（归因）的两类方法 直接分类研究 （categorical attribution） 反事实分析 （counterfactual analysis） 反事实（counterfactual）分析 “If A had occurred, C would have occurred.” Rubin反事实模型（Rubin’s Counterfactual Model） 原因E 的效应（causal effect）被定义为：对一个特定的个体u 来说，在特定时间内，接受E 或C所带来的效果指标Y 的不同。设y（E）是个体u 接受E 后测得的效果，y（C）是个体u 接受C 测得的效果，那么原因E 的效果就可表示为： 因果推断的基本问题（Fundamental Problem of Causal Inference） 对于每一个个体u来说，如果他被置于E组，那么他就绝不会同时再被置于C 组； 当然，这个个体也就不能在同一时间观察到两种不同处理的结果。 所以……至少其中一组不是真实存在的！ 所以……必须寻找合适的u 的替代！ 反事实分析的最根本的条件 接受不同处理的两组个体，除处理因素（E和C）外，其它各种情况应该一样。 扩展来说，就是这两组样本所代表的总体应该是同一的（homogeneous）。 原因对照（causal contrast） 如果R1=A1/B1和R0=A0/B0分别为实际人群与虚拟人群的发病率，那么此时可以定义一个R1和R0的原因对照（causal contrast）： 目标人群的替代 反事实（counterfactual）替代 反事实理论模型的内涵（1） 对效应测量指标的选择和解释，即只有上述的原因对照指标（即RR，RD）对病因的推断才有意义，而其它的统计量，如P值，χ2值不能说明病因的问题，而RR原因或RD原因的意义十分清晰，可以认为是暴露因素在分布水平1和0间的“净”（net）改变。 反事实理论模型给病因推断提供了一个通用的框架，不仅可以用于随机试验，同样可以用于观察性研究。 在应用中，使用反事实，需要注意混杂因素（confounder）造成的影响，这主要表现在，所选择的替代人群与目标人群不在某些影响因果关系的方面不齐同，那么此时就会发生混杂（confounding） 在一个人群得到的RR或RD，一般情况下与另一个人群得到的不同。 对同一个问题的不同研究，其RR或RD一般也不会一致（consistency），此时可使用Meta分析等方法进行综合处理。 可以使用敏感性分析等方法对混杂带来偏倚（bias）进行估计。 使用倾向分（propensity score）等方法增加可比性。 因果联系间的时间累积效应 时间累积效应 部分可能的时间累积函数（1） RR的累积效应仅依赖于目前的暴露与过去无关。比如疫苗的注射引起的不良反应，意外伤害等。 部分可能的时间累积函数（2） RR的累积效应在各时间点恒定。比如某些致癌因素等。 部分可能的时间累积函数（3） RR的累积效应与现在和过去的暴露都有关，关键是过去效应的持续时间K，而效应是线性递减的。比如降低血压后对某些致癌因素的保护效应等。 部分可能的时间累积函数（4） RR的累积效应与现在和过去的暴露都有关，关键是过去效应的持续时间K，而效应是指数递减的。比如降低血压后对某些致癌因素的保护效应等。