Artikel
Kausale Graphen (DAGs II): Einführung, Aspekte und Ausblick der Anwendung kausaler Graphen (Directed Acyclic Graphs) in der Epidemiologie
Suche in Medline nach
Autoren
-
Juliane Hardt
- Universitätsklinikum Essen, Institut für Medizinische Informatik, Biometrie und Epidemiologie, Essen, Deutschland
-
Sven Knüppel
- Deutsches Institut für Ernährungsforschung Potsdam-Rehbrücke, Nuthetal, Deutschland
-
Andreas Stang
- Martin-Luther-Universität Halle-Wittenberg, Institut für Klinische Epidemiologie, Halle, Deutschland
-
Ronja Foraita
- BIPS – Institut für Präventionsforschung und Sozialmedizin, Bremen, Deutschland
-
Antje Timmer
- BIPS – Institut für Präventionsforschung und Sozialmedizin, Bremen, Deutschland
| Veröffentlicht: | 13. September 2012 |
|---|
Gliederung
Text
In diesem Workshop der AG Epidemiologische Methoden soll als Fortsetzung des ersten Methodenworkshops zum Thema DAGs am 26.11.2010 in Berlin die Anwendung kausaler Graphen in der Epidemiologie diskutiert werden und ein Ausblick auf fortgeschrittene Anwendungsbeispiele gegeben werden.
(2x 90 min; Organisation: Juliane Hardt, Co-Sprecherin der AG Epidemiologische Methoden der GMDS, DGEpi und DGSMP) Die Arbeitsgruppen Epidemiologie in der Arbeitswelt und Epidemiologie der Herz-Kreislauf- und Stoffwechselerkrankungen unterstützen diesen Workshop.
1. Vortrag: Sven Knüppel (DIfE, Potsdam-Rehbrücke)
Einführung in die Welt der Kausalen Graphen als Anwendung in der empirischen Forschung (Titel).
In der empirischen Forschung wird oftmals nach Effekten von Risikofaktoren für bestimmte Krankheiten unter Nutzung empirischer Daten gesucht. In diesem Beitrag wird gezeigt, dass unter Einhaltung strenger formaler Regeln kausale und nicht-kausale Effekte getrennt und damit kausale Zusammenhänge analysiert werden können. Dazu wird der Ansatz der kausalen Graphen als Anwendung der gerichteten azyklischen Graphen (Directed Acyclic Graphs, DAGs) eingeführt und die Grundlagen zur Auswahl geeigneter Adjustierungsmengen zur Schätzung von Expositionseffekten gezeigt. Ziel dieses Vortrages ist es, die wesentlichen Grundbegriffe und Methodik der kausalen Graphen für die Anwendung in der empirischen Forschung vorzustellen.
2. Vortrag: Andreas Stang (Universität Halle/S.)
Aspekte der Anwendung kausaler Graphen in der Epidemiologie (Titel).
3. Vortrag: Ronja Foraita (BIPS, Bremen)
Modellieren von Abhängigkeitsstrukturen mit Hilfe von DAGs am Beispiel einer Geburtskohortenstudie zu Neurodermitiserkrankungen (Titel).
Am Beispiel einer Geburtskohortenstudie wird mit Hilfe von Bayesianischen Netzen die Abhängigkeitsstruktur erforscht, die bei Kindern zu Neurodermitiserkrankung führen. Es wird zunächst ein DAG an die Daten angepasst, indem bedingte Unabhängigkeiten zwischen den involvierten Variablen berechnet werden. Die Stärke der Kanten wird mit Hilfe von Sampling-Verfahren geschätzt. Weitere Möglichkeiten wie z.B. Sensitivitätsanalysen werden angesprochen.
4. Beiträge zur Anwendung von kausalen Graphen (DAGs) aus den Arbeitsgruppen der GMDS und DGEpi
Wie immer bietet der Workshop der AG Epidemiologische Methoden Raum für die Vorstellung von Beiträgen zur Methodik der kausalen Graphen sowie Bayesscher Netzwerke aus der Anwendung in den Forschergruppen (auch die Anmeldung von 'work in progress' ist möglich).
5. Synthese und Diskussion: Stand und Ausblick der Anwendung von kausalen Graphen in der Epidemiologie in Deutschland
Die angegebene Literatur kann zur Vorbereitung auf den Workshop genutzt werden, wird aber für eine Teilnahme nicht vorausgesetzt. Der erste Vortrag bietet eine Einführung bzw. Auffrischung der Methodik. Weitere Informationen: http://www.arbeit.uni-wuppertal.de/epi_dag/ sowie die Anwendungsbeiträge des Themenhefts (Gesundheitswesen 2011;73(12);877-926)
Literatur
- 1.
- Greenland S, Pearl J, Robins JM. Causal diagrams for epidemiologic research. Epidemiology. 1999;10:37-48.
- 2.
- Glymour MM, Greenland S. Causal diagrams. In: Rothman KJ, Greenland S, Lash TL, editors. Modern Epidemiology. 3rd ed. Philadelphia: Wolters Kluwer, Lippincott Williams & Wilkins; 2008. p. 183-209.
- 3.
- Pearl J. Causality: Models, Reasoning, and Inference. New York: Cambridge University Press; 2000.
- 4.
- Textor J, Liskiewicz M. Adjustment Criteria in Causal Diagrams: An Algorithmic Perspective. In: 27th Conference on Uncertainty in Artificial Intelligence (UAI 2011), pp. 681-8. Available from: http://uai.sis.pitt.edu/papers/11/p681-textor.pdf
- 5.
- Schipf S, Knüppel S, Hardt J, Stang A. Directed Acyclic Graphs (DAGs) – Die Anwendung kausaler Graphen in der Epidemiologie. Gesundheitswesen. 2011;73:888-92.
- 6.
- Stang A. Kausalität und Confounding in der Epidemiologie. Gesundheitswesen. 2011;73:884-7.
- 7.
- Thoemmes F. Ausgewählte Kausalitätstheorien im Vergleich. Gesundheitswesen. 2011; 73:880-3.
- 8.
- Pigeot I, Foraita R. Kommentar: Directed Acyclic Graphs – die Verwirklichung eines Traums? Gesundheitswesen. 2011;73:921-2.
- 9.
- Hardt J, Brendler C, Greiser KH, Timmer A, Seidler A, Weikert C, Latza U. Directed Acyclic Graphs (DAGs) – Grundlagen und Anwendung einer Kausalitätstheorie in der Epidemiologie. Gesundheitswesen. 2011;73:878-9.
- 10.
- Knüppel S. Grundlagen der Anwendung von DAG-Programmen. Gesundheitswesen. 2011;73:893-6.
- 11.
- Textor J. Die moralischen Vorfahren: Adjustierungsmengen in Kausaldiagrammen schnell und einfach berechnen. Gesundheitswesen. 2011;73:897-900.
- 12.
- Textor J, Hardt J, Knüppel S. DAGitty: A Graphical Tool for Analyzing Causal Diagrams. Epidemiology. 2011;5(22):745. DOI: 10.1097/EDE.0b013e318225c2be
