本文2700字,读完需要15分钟
在本节中,介绍因果推理的背景知识,包括任务描述、数学概念、假设、挑战和一般解决方案。还给出了一个将在整个综述中使用的说明性的例子。
一般来说,因果推理的任务是估计如果采用了另一种治疗方法,结果的变化。
例如,假设有两种治疗方法可以应用到患者身上:药物A和药物B。在感兴趣的患者队列中,药物A的治愈率为70%,而在同一队列中,药物B的治愈率为90%。治愈率的变化是治疗(即本例中的药物)对治愈率的影响。
上面的例子描述了衡量治疗效果的理想情况:对同一队列应用不同的治疗方法。
在现实世界中,这种理想情况只能通过随机实验来近似,在随机实验中,治疗分配是受控的,比如完全随机分配。这样,接受特定治疗的群体就可以看作是感兴趣的群体的近似值。
然而,做随机实验是昂贵的,耗时的,有时甚至是不道德的。
因此,由于观测数据的广泛可用,从观测数据来估计治疗效果越来越受到关注。观察性数据通常包含一组接受不同治疗的个体,他们相应的结果,可能还有更多的信息,但不能直接获得他们接受特定治疗的原因/机制。这样的观测数据使研究人员能够在不进行随机实验的情况下研究某种治疗的因果效应这一基本问题。
为了更好的介绍各种治疗效果评估方法,下面将介绍观察数据提供的unit、treatment、结果、治疗效果等信息(前和治疗后变量)的定义。
2.1 定义
这里,在潜在结果框架下定义符号,该框架在逻辑上等价于另一个框架-结构因果模型框架。潜在结果框架的基础是因果关系与治疗(或行动、操作、干预)有关,适用于一个单unit。治疗效果是通过比较单位的潜在治疗结果得出的。
下面,首先介绍因果推理的三个基本概念: unit, treatment, outcome。
<