万方医学网一种方法教会你理清科研思路
我们都知道统计学方法的重要性，那是因为统计方法可以帮助我们将杂乱无章的数据形成模型，并且发表高质量的文章。但是殊不知，统计方法是不能解决研究设计之初就已经造成的问题。这个时候，让我们引入一种简单高效的工具叫做Directed acyclic graphs（DAGs）。
DAGs方法可以用于分析各种偏倚（正如我们上一期所讲，偏倚分为：选择偏倚、混淆偏倚和信息偏倚），也可以用于分析研究设计和分析过程中潜在的问题。
工具介绍
E：暴露变量（cause）
Y：结果变量（effect）
C：混淆因素
注意：
- 1.用带有箭头的线连接并表示变量间的关系；
- 2.箭头从原因变量指向结果变量，反之不可以；
- 3.变量的排序表示变量发生的时间关系，如上图，E变量发生在Y变量之前，发生在C变量之后（optional）；
- 4.重点：一个合格的DAG需要包含所有与E和Y的共同相关联的变量。
然后，我们一起来制作一个DAG帮助理解吧！在未来的讲解过程中会常使用到DAG。
假设：研究携带火机和肺癌的关系
E：是否携带火机
Y：是否得肺癌
C：是否吸烟
具体解释一下：
- 1.我们希望研究携带火机与肺癌的关系；
- 2.吸烟者常携带火机，吸烟者容易得肺癌；因此，吸烟是E和Y的共同的原因，C是一个混淆因素（confounding）；也就是说，如果携带火机组和非携带火机组的吸烟率不一样，将极大干扰我们发现E和Y的关联性；
- 3.如果我们设计试验的时候，没有收集吸烟这个变量，那么我们将永远无法验证E和Y的关联性；
- 4.重点：当我们开始一个研究设计的时候，应该尽可能寻找到所有E和Y共同相关联的因素，这样在后期的分析过程中才能考虑所有干扰E和Y因果关系的可能性。考虑的共同因素越多，association就越接近于causation。
