Zusammenfassung
Die Anwendung kausaler Graphen ist ein geeignetes Hilfsmittel, um die Zusammenhänge verschiedener Variablen untereinander darzustellen und ermöglicht die Identifizierung kausaler und nicht-kausaler Effekte. Wenn die strikten Regeln beim Erstellen des Graphen eingehalten werden, können Confounding und andere Arten von Bias identifiziert werden. In dieser Arbeit wird gezeigt, wie mit dem Backtracking-Algorithmus systematisch alle Pfade eines gerichteten und azyklischen kausalen Graphen (DAG, directed acyclic graph) aufgelistet werden können. Die Kenntnis der Pfade kann genutzt werden, um systematisch alle minimal suffizienten Adjustierungsmengen zu identifizieren. Die Suche folgt formalen Regeln und kann mithilfe eines Computerprogramms durchgeführt werden. Es werden die Adjazenzliste und Adjazenzmatrix als 2 Darstellungsformen für kausale Graphen vorgestellt, mit denen die Eingabe in ein Computerprogramm möglich ist.
Abstract
The application of causal graphs is a useful tool to visualize the relationship between variables and allows the identification of causal and non-causal effects. If the strict rules of the DAG theory are followed, then it is possible to identify confounding and other sources of bias. In this article we show the backtracking algorithm to find all paths of a directed acyclic graph (DAG). The knowledge of the paths can be used to identify systematically all minimally sufficient adjustment sets. The search follows formal rules and can be done by a computer program. The adjacency list and adjacency matrix, which can be used as input for a computer program, are 2 representational forms of a causal graph.
Schlüsselwörter
DAG - kausale Diagramme - kausaler Graph - Backtracking-Algorithmus - minimal suffiziente Adjustierungsmenge
Key words
DAG - causal diagrams - causal graph - backtracking algorithm - minimally sufficient adjustment set
