Eine Einführung in Kausalitätsprinzipien in der biomedizinischen Forschung

Kernaussagen

1. Aus der wiederholten Beobachtung von Sequenzen kann logisch keine Kausalität gefolgert werden.

2. Bei einem behandelten Patienten ist zur selben Zeit an selber Stelle nur eine Behandlung faktisch beobachtbar. Alle alternativen Behandlungen sind konträr zu den Fakten und führen zu einem erkenntnistheoretischen Dilemma.

3. Die meisten gängigen Kausalitätsansätze enthalten Elemente des kontrafaktischen Denkens.

4. Unter ceteris paribus („alles übrige gleich“) ist anzunehmen, dass die Substitutspopulation die kontrafaktische Erfahrung von Interesse widerspiegelt.

5. Das „sufficient component cause model“ fördert das mechanistische Verständnis von Kausalität und klärt Begriffe der notwendigen und hinreichenden Bedingung bei multikausalen Ätiologien.

6. Probabilistische Kausalität wird als statistische Relevanz definiert, bei der ein kausaler Faktor die Wahrscheinlichkeit für das Auftreten eines Ereignisses verändert.

7. Neben individuellen sozialen Faktoren stellen aggregierte soziale Faktoren bei vielen Erkrankungen Komponenten kausaler Mechanismen dar. Diese Faktoren können auch die Rolle von Vorläufern individueller kausaler Komponenten und von Confoundern einnehmen.

8. Die Interpretation eines kausalen Effekts ist unter anderem von der Wahl der Vergleichsintervention (Komparator) abhängig.

9. Regelbasierte Verfahren zur Kausalität (Henle-Koch-Postulate, Bradford-Hill-Gesichtspunkte) erlauben nur einen informellen kausalen Schluss und sollten nicht dogmatisch angewendet werden.

• Literatur

• 1 Goldstein M, Goldstein IF. How do we know. An exploration of the scientific progress. New York: Da Capo Press Inc; 1978: 1-357
• 2 Greenland S. Causation and causal inference. In: Lovric Med. International Encyclopedia of Statistical Sciences. Berlin: Springer; 2011: 216-219
• 3 Hume D. An enquiry concerning human understanding. LaSalle: Open Court Press; 1748
• 4 Stang A. [Causality and confounding in epidemiology]. Gesundheitswesen 2011; 73: 884-887
• 5 Baumgartner HM. Kant's „Kritik der reinen Vernunft“. 3.. Auflage. Freiburg: Karl Albert; 1991
• 6 Godfrey-Smith P. Theory and reality: an introduction to the philosophy of science. Chicago: University of Chicago Press; 2003: 1-272
• 7 Lewis D. Causal explanation. Phil Papers 1986; 2: 214-240
• 8 Rubin DB. Estimating causal effect of treatments in randomited and nonrandomized studies. J Educ Psychol 1974; 66: 688-701
• 9 Holland PW. Statistics and causal inference. J Am Stat Assoc 1986; 81: 945-960
• 10 Dawid AP. Causal inference without counterfactuals. J Am Stat Assoc 2000; 95: 407-424
• 11 Morgan SL, Winship C. Objections to features of the counterfactual model. In: Counterfactuals and causal inference. Methods and principles for social research. Cambridge: Cambridge University Press; 2007: 278-285
• 12 Rosenbaum PR, Rubin DB. The central role of the propensity score in observational studies for causal effects. Biometrika 1983; 70: 41-55
• 13 Wilbert-Lampen U, Leistner D, Greven S et al. Cardiovascular events during World Cup soccer. N Engl J Med 2008; 358: 475-483
• 14 Tam CC, Lopman BA. Determinism versus stochasticism: in support of long coffee breaks. J Epidemiol Community Health 2003; 57: 477-478
• 15 Maldonado G, Greenland S. Estimating causal effects. Int J Epidemiol 2002; 31: 422-429
• 16 Stang A. Randomized controlled trials – an indispensible part of clinical research. Dtsch Arztebl Int 2011; 108: 661-662
• 17 Greenland S. Randomization, statistics, and causal inference. Epidemiology 1990; 1: 421-429
• 18 Mackie JL. Causes and conditions. Am Phil Quart 1965; 2: 245-264
• 19 Rothman KJ. Causes. Am J Epidemiol 1976; 104: 587-592
• 20 Greenland S, Brumback B. An overview of relations among causal modelling methods. Int J Epidemiol 2002; 31: 1030-1037
• 21 Rothman KJ, Greenland S, Lash TL. Modern Epidemiology. 3. Philadelphia: Lippincott Williams & Wilkins; 2008: 1-758
• 22 Fagot-Largeault A. Les causes de la mort-histoire naturelle et facteurs de risque. Paris: Vrin; 1989: 1-428
• 23 Parascandola M, Weed DL. Causation in epidemiology. J Epidemiol Community Health 2001; 55: 905-912
• 24 Fisher RA. Indeterminism and natural selection. Philosophy of Science 1934; 134: 1501-1506
• 25 Mayr E. Cause and effect in biology. Science 1961; 134: 1501-1506
• 26 Cornfield J. Principles of research. Am J Ment Defic 1959; 64: 240-252
• 27 Reichenbach H. The direction of time. Berkeley, Los Angeles: University of California Press; 1956
• 28 Karhausen LR. The logic of causation in epidemiology. Scand J Soc Med 1996; 24: 8-13
• 29 Probabilistic causation. Stanford Encyclopedia of Philosophy. 2010. Im Internet: http://plato.stanford.edu/entries/causation-probabilistic/ (zugegriffen am 24.7.2014)
• 30 Lewis D. Postscripts to “causation”. In: Philosophical Papers, Volume II. Oxford: Oxford University Press; 1986: 173-213
• 31 Cartwright N. Nature’s capacities and their measurement. Oxford: Clarendon Press; 1989
• 32 Brennecke R. Lehrbuch Sozialmedizin. Bern: Hans Huber; 2004
• 33 Susser M. Causal thinking in the health sciences: concepts and strategies of epidemiology. New York: Oxford University Press; 1973
• 34 Kaufman JS. Social epidemiology. In: Rothman KJ, Greenland S, Lash TL, eds. Modern Epidemiology. Philadelphia: Lippincott Williams & Wilkins; 2008: 532-548
• 35 Greenland S. Epidemiologic measures and policy formulation: lessons from potential outcomes. Emerg Themes Epidemiol 2005; 2: 5
• 36 Stang A, Poole C, Bender R. Common problems related to the use of number needed to treat. J Clin Epidemiol 2010; 63: 820-825
• 37 Linde K, Streng A, Jurgens S et al. Acupuncture for patients with migraine: a randomized controlled trial. JAMA 2005; 293: 2118-2125
• 38 Koch R. Über bacteriologische Forschung. Dtsch Med Wochenschr 1890; 16: 756
• 39 Hill AB. The environment and disease: association or causation?. Proc R Soc Med 1965; 58: 295-300
• 40 Mill JA. System of logic, ratiocinative and inductive. Being a connected view of the principles of evidence and the methods of scientific investigation. New York: Harper and Brothers; 1882
• 41 Morabia A. Hume, Mill, Hill, and the sui generis epidemiologic approach to causal inference. Am J Epidemiol 2013; 178: 1526-1532
• 42 Greenland S. An overview of methods for causal inference from observational studies. In: Gelman A, Meng XL, eds. Applied Bayesian modeling and causal inference from incomplete-data perspectives. An essential journey with Donald Rubin's statistical family. Chichester: John Wiley; 2005: 1-13
• 43 Evans AS. Causation and disease. A chronological journey. New York: Plenum Medical Book Company; 1993: 1-238
• 44 Susser M. What is a cause and how do we know one? A grammar for pragmatic epidemiology. Am J Epidemiol 1991; 133: 635-648
• 45 Greenland S. Causal inference as a prediction problem: assumptions, identification, and evidence synthesis. In: Berzuini C, Dawid AP, Bernardinelli L, eds. Causal inference: statistical perspectives and applications. New York: Wiley; 2012: 43-58
• 46 Blair A, Saracci R, Vineis P et al. Epidemiology, public health, and the rhetoric of false positives. Environ Health Perspect 2009; 117: 1809-1813
• 47 Vineis P. Viewpoint: the skeptical epidemiologist. Int J Epidemiol 2009; 38: 675-677
• 48 Ziman J. Reliable knowledge. An exploration of the grounds for belief in science. Cambridge: Cambridge University Press; 1978: 1-197
• 49 Baumgartner M, Graßhoff G. Kausalität und kausales Schliessen. Eine Einführung mit interaktiven Übungen. Bern: Universität Bern; 2004: 1-324
• 50 Pearl J. Causality. Models, reasoning, and inference. 2nd. edition. Cambridge: Cambridge University Press; 2009: 1-464
• 51 Firestein S. Ignorance. How it drives science. New York: Oxford University Press; 2012: 1-195