PDF herunterladen
Gesundheitswesen 2011; 73(12): 884-887
DOI: 10.1055/s-0031-1287843
Directed Acyclic Graphs
© Georg Thieme Verlag KG Stuttgart · New York

Kausalität und Confounding in der Epidemiologie

Causality and Confounding in Epidemiology
A. Stang
1   Institut für Klinische Epidemiologie, Medizinische Fakultät, Martin-Luther-Universität Halle-Wittenberg
› Institutsangaben
Weitere Informationen

Publikationsverlauf

Publikationsdatum:
22. Dezember 2011 (online)

Auch verfügbar auf
    Lizenzen und Reprints

Zusammenfassung

Die Ursache eines Effekts innerhalb eines Individuums und einer Gruppe lässt sich theoretisch klar definieren. In der Praxis jedoch lassen sich die Anforderungen an diese Definition nicht sicher erfüllen: ein Individuum oder eine Gruppe von Individuen kann nicht zum selben Zeitpunkt exponiert und nicht-exponiert sein. Aus diesem Grund ist die Heranziehung einer Substitutspopulation erforderlich. Die Substitutspopulation soll beantworten, wie groß das Risiko des Outcomes gewesen wäre, wenn die exponierte Gruppe nicht exponiert gewesen wäre (oder vice versa). Sofern die Substitutspopulation diese Information nicht liefert, liegt nach der kontrafaktischen Definition Confounding vor. Die sogenannte Collapsibility-Definition eines Confounders leidet gleich unter 5 Limitationen, weswegen diese Definition nicht akzeptabel erscheint. Die klassische Theorie des Confoundings kann als ein Spezialfall von Directed Acyclic Graphs (DAGs) gesehen werden, bei dem neben der Exposition und dem Outcome von Interesse nur ein einziger weiterer Faktor möglicherweise ein Confounder sein könnte. Im Gegensatz zur klassischen und zur Collapsibility-Theorie des Confoundings sind DAGs in der Lage aufzuzeigen, unter welchen Bedingungen die Adjustierung für Kovariaten zu Bias führt. Außerdem verwenden DAGs auch Informationen zu Assoziationen zwischen Confoundern.

Abstract

In theory, a cause of an effect in an individual and a group can be defined. However, in empirical studies the requirements of this definition cannot be fulfilled with certainty: an individual or a group of people cannot be exposed and unexposed at the same point in time. Therefore, substitute populations are used to answer what the risk of an outcome would have been, if the actually exposed group would not have been exposed (or vice versa). If the substitute population is not able to deliver this information, confounding is present according to the counterfactual definition. The so-called collapsibility definition of confounders suffers from five limitations and therefore does not appear to be acceptable. The classical theory of confounders is a special case of directed acyclic graphs (DAGs), where only one extraneous variable might be a potential confounder. In contrast to previous theories on confounding, DAGs are able to show when adjustment for covariates produces bias. Furthermore, DAGs are able to use also information on relations among confounders.

Schlüsselwörter

Confounder - Kausalität - Epistemologie - Bias - DAG - kausale Diagramme

Key words

confounding factors - causality - epistemology - bias - DAG - causal diagrams