Azam Yazdani, Akram Yazdani y Eric Boerwinkle
Realizar inferencias causales es conceptualmente sencillo en el contexto de una intervención aleatoria, como un ensayo clínico. Sin embargo, en los estudios observacionales, que representan la mayoría de los estudios epidemiológicos a gran escala, la inferencia causal se complica por la confusión y la falta de una direccionalidad clara subyacente a una asociación observada. En la mayoría de las aplicaciones biomédicas a gran escala, la inferencia causal se materializa en gráficos acíclicos dirigidos (DAG), que son una ilustración de las relaciones causales (es decir, flechas) entre las variables (es decir, nodos). Un concepto clave para realizar inferencias causales en el contexto de los estudios observacionales es el mecanismo de asignación, por el cual algunos individuos son tratados y otros no. Esta perspectiva proporciona una estructura para pensar en las redes causales en el contexto del mecanismo de asignación (AM). Se presenta y analiza la estimación de los tamaños del efecto de las relaciones dirigidas observadas.