Bir Karıştırıcının Karşı-Olgusal Tanımı – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
Bir Karıştırıcının Karşı-Olgusal Tanımı
Sezginin önerdiği gibi, karşı-olgusal tanıma göre bir etki ölçümünün karıştırılması için, maruz kalan ve maruz kalmayan kohortların hastalık için risk faktörleri açısından farklılık göstermesi gerekir. Karıştırmadan tamamen veya kısmen “sorumlu” olan bir değişkenin karıştırıcı olduğu söylenir (etkinin ölçüsü).
Karşı-olgusal yaklaşıma göre, temel kavramın kafa karıştırıcı olduğunu ve karıştırıcıların ikincil olarak bu fenomenden sorumlu değişkenler olarak tanımlandığını unutmayın.
Bu, karıştırıcıları ilk olarak tanımlayan ve bunlar belirlendiğinde, mevcut olduğunu beyan eden çökebilirlik tanımıyla karşılaştırılmalıdır. Önceki bölümde gözlemlendiği gibi, karıştırmanın karşı olgusal tanımı, popülasyon düzeyinde alınan ölçümlere dayanmaktadır.
Bunlar genellikle birbiriyle ilişkili birçok değişkenin net etkilerini temsil eder ve bunlardan bazıları kafa karıştırmada rol oynayabilir. Epidemiyolojik verilerin analizinin önemli bir kısmı, muhtemelen uzun risk faktörleri listesinden karıştırıcı olabilecekleri tanımlamayı içerir.
Aşağıda, tek bir karıştırıcının nispeten basit durumunu tartışacağız, ancak pratikte genellikle dikkate alınması gereken bu tür birçok değişken olacaktır. İlişkilerin ne kadar karmaşık olabileceğini anlamak için, miyokard enfarktüsü (kalp krizi) için bir risk faktörü olarak hiperkolesterolemiyi (yüksek serum kolesterolü) araştıran bir kohort çalışmasını düşünün. Miyokardiyal enfarktüs çoğunlukla aterosklerozdan (arterlerin sertleşmesi) kaynaklanır.
Bu tür bir çalışmada tipik olarak dikkate alınabilecek yerleşik risk faktörleri yaş, cinsiyet, aile öyküsü, hipertansiyon (yüksek tansiyon) ve sigara içmektir. Bu risk faktörleri arasında bir dizi ilişki dikkate alınmalıdır: Hipertansiyon ve hiperkolesterolemi yaşla birlikte artış eğilimindedir; sigara içmek cinsiyet ve yaşla ilişkilidir; hiperkolesterolemi ve ateroskleroz aileseldir; hiperkolesterolemi ateroskleroza neden olabilir ve bu da hipertansiyona neden olabilir; hipertansiyon kan damarlarına zarar verebilir ve böylece aterosklerozun gelişmesi için bir alan sağlayabilir.
Varsa, hiperkolesteroleminin miyokard enfarktüsü riski üzerinde sahip olabileceği spesifik etkiyi ortaya çıkarmak için, yukarıda bahsedilen diğer değişkenlerin potansiyel karıştırıcı etkilerini hesaba katmak gerekir.
Tahmin edilebileceği gibi, bu hem istatistiksel analiz hem de patofizyolojik yorumlama açısından zorlu bir meydan okumadır. Ayrıca, önceki tartışma yalnızca bilinen risk faktörlerine atıfta bulunmaktadır. Göz önünde bulundurulması gereken bilinmeyen risk faktörleri olabilir, ancak mevcut bilimsel bilgi durumu nedeniyle çalışmaya dahil edilmemiştir.
Bu örnek ayrıca, karşı-olgusal yaklaşıma göre (ve çökebilirlik yaklaşımının aksine), kafa karıştırıcı kararın neredeyse hiçbir zaman yalnızca çalışma verilerine dayanarak kararlaştırılmadığına işaret etmektedir. Bunun yerine, tüm mevcut bilgiler, özellikle altta yatan hastalık süreci ve incelenen popülasyon hakkında bilinenler ne olursa olsun kullanılır.
Karşı olgusal düşünme nedir
Karşı olgusal ne demek
Karşıolgusal akıl yürütme nedir
Counterfactual Ne Demek
Counterfactual thinking Ne demek
Mevcut sezgisel kestirme yol
Olgusal düşünme
Hukuk felsefesi tanımı
Şimdi bir karıştırıcının karşı olgusal tanımını resmileştiriyoruz. R, hem bilinen hem de bilinmeyen hastalık için eksiksiz risk faktörleri kümesi olsun ve S, ilgili maruziyet olan E’yi içermeyen bir R alt kümesi olsun. S’deki tüm değişkenlere göre çapraz sınıflandırmadan kaynaklanan tabakalaşma, S ile tabakalandırma olarak anılacaktır ve ortaya çıkan tabakalar, S tabakaları olarak ifade edilecektir. Örneğin, S = {F1, F2} olsun, F1 yaş grubudur (beş seviye) ve F2 cinsiyettir.
Daha sonra S katmanları, F1 ve F2’nin çapraz sınıflandırılmasıyla elde edilen 10 yaş grubu-cinsiyet kategorisidir. Her bir S tabakası içinde, ilgili maruziyet ve hastalığa göre çapraz sınıflandırarak elde edilen 2 × 2 tablosunu oluştururuz. Her tabakadaki fiili maruz kalan kohortla ilişkili, karşılık gelen bir karşı-olgusal maruz kalmamış kohorttur.
Her katman temelsiz ise, S’nin katmanlarında artık karışıklık olmadığını söylüyoruz; yani, her tabakada, gerçek maruz kalmamış kohorttaki hastalık olasılığı, karşı-olgusal maruz kalmamış kohorttaki hastalık olasılığına eşittir.
R’deki risk faktörlerini ve E’nin hastalığa maruz kalmasını ilişkilendiren nedensel diyagramı oluşturduğumuzu varsayalım. “Arka kapı” kriterine dayalı olarak, nedensel diyagram, S ile tabakalaştıktan sonra, S tabakalarında kalıntı karışıklık olup olmadığını belirlemek için kullanılabilir.
Artık karıştırıcı olmadığında, S’nin karıştırmayı kontrol etmek için yeterli olduğunu veya basitçe S’nin yeterli olduğunu söylüyoruz. S yeterli olduğunda ancak S’nin hiçbir uygun alt kümesi yeterli olmadığında, S’nin minimum düzeyde yeterli olduğu söylenir. Minimum düzeyde yeterli bir küme, yeterli bir kümeden değişkenler sıralı olarak silinerek, yeterliliği yok etmeden daha fazla değişken atılamayana kadar belirlenebilir.
Her adımda yapılan seçimlere bağlı olarak, bu süreç birden fazla minimum düzeyde yeterli karıştırıcılara yol açabilir. Bu, bir risk faktörünü karıştırıcı olarak görüp görmememizin, dikkate alınan diğer risk faktörlerine bağlı olduğunu gösterir.
Asgari düzeyde yeterli bir karıştırıcı setinin boş olması mümkündür, yani ham etkinin ölçüsü temelsizdir. Nedensel diyagramlardan öğrenilecek değerli ve şaşırtıcı bir ders, kafa karıştırıcıların yeterli bir dizi karıştırıcıyı genişleterek ortaya çıkarılabileceğidir.
Bu görünüşteki paradoksun açıklaması, gözlemlendiği gibi, kafa karıştırmanın nüfus düzeyindeki net etkiler tarafından belirlenen bir fenomen olmasıdır. Nasıl tabakalaşma sahte bir nedensel ilişkiden sorumlu olan değişkenler arasındaki bağlantıları keserek karıştırmayı önleyebildiği gibi, tabakalaşmanın da karıştırmayı önlemekten sorumlu olan değişkenler arasındaki yollara müdahale ederek kafa karıştırıcılık yaratabileceği eşit derecede doğrudur.
Nedensel diyagramlar, hem bilinen hem de bilinmeyen risk faktörleri arasındaki olası karmaşık ilişkiler hakkında ayrıntılı bilgi gerektirme potansiyel sakıncasına sahiptir. Bununla birlikte, bir nedensel diyagram eksik bilgiye dayansa bile, yerleşik ve şüpheli risk faktörleri hakkında bilinenleri düzenlemek için yararlı olabilir.
Bölüm 2.5.6’da bilinmeyen bir karıştırıcının anlamlı önyargı oluşturması için maruz kalmayan popülasyonda oldukça yaygın olması, maruziyetle yakından ilişkili olması ve hastalık için önemli bir risk faktörü olması gerektiği gösterilmiştir. Böylesine önemli bir risk faktörünün henüz bilinmemesi her zaman mümkündür, özellikle bir hastalık henüz araştırılmaya başladığında, ancak iyi araştırılmış hastalıklar için bu daha az olası görünmektedir.
Counterfactual Ne Demek Counterfactual thinking Ne demek Hukuk felsefesi tanımı Karşı olgusal düşünme nedir Karşı olgusal ne demek Karşıolgusal akıl yürütme nedir Mevcut sezgisel kestirme yol Olgusal düşünme