因果推論における潜在的な結果の代入アプローチ

背景：因果推論の根本的な問題は、欠落データの1つであり、特に潜在的な結果が欠落していることの1つです。潜在的な結果が完全に観察された場合、因果的推論を簡単に行うことができます。多くの場合、疫学文献で明示的に議論されていませんが、因果推論と欠落データの関係は、追加の直感を提供する可能性があります。 方法：多重代入とパラメトリックG形式を使用して、欠落データのすべての問題に対処する方法と同様の方法で因果推論にアプローチする方法を示します。 結果：これらのメソッドの使用を例のデータで説明および実証し、因果推論に対するより伝統的なアプローチへの影響を議論します。 結論：複数の帰属とG形式の両方のアプローチの両方に利点と欠点がありますが、疫学者は、そのような視点が新しい分析に新しい洞察を提供する可能性があるため、データの欠落の問題として因果関係の推論の問題について考えることで利益を得ることができます。

BACKGROUND: The fundamental problem of causal inference is one of missing data, and specifically of missing potential outcomes: if potential outcomes were fully observed, then causal inference could be made trivially. Though often not discussed explicitly in the epidemiological literature, the connections between causal inference and missing data can provide additional intuition. METHODS: We demonstrate how we can approach causal inference in ways similar to how we address all problems of missing data, using multiple imputation and the parametric g-formula. RESULTS: We explain and demonstrate the use of these methods in example data, and discuss implications for more traditional approaches to causal inference. CONCLUSIONS: Though there are advantages and disadvantages to both multiple imputation and g-formula approaches, epidemiologists can benefit from thinking about their causal inference problems as problems of missing data, as such perspectives may lend new and clarifying insights to their analyses.