横断面研究能否进行因果推断

基于变量调查(或测量)的共时性、统计学关联及幸存者偏倚等原因,横断面研究被认为不能进行因果推断,这是当前的"共识"。本文基于因果思维,借助因果图,首先明确定义真实截面和测量截面,并识别截面概念仅存在于理论的特性。实际横断面研究中,测量变量的共时性并不存在,而是无一例外地表现为非共时性时序,其实质上相当于测量变量间互为独立性假设,或不存在有差别错分偏倚。类似于累积病例对照研究和历史性队列研究,横断面研究均为暴露和结局已存在或发生后进行的测量,这种测量相当于对变量值的历史重建或"考古"。这类研究进行因果推断的共性前提条件之一是,测量变量与其历史变量间必须存在着因果律。测量变量均为真实变量的替代者,测量变量间的时序在因果推断上并不重要。应加强对横断面研究分析性角色的认识。     

研究设计时混杂控制策略的结构分类

混杂影响着人群因果关系的发生。依据混杂因素是否已知、可测量及已测量,可将其分为4类情形。基于有向无环图,对混杂的控制策略分为两类：①混杂路径打断法,又可分为单路径和双路径打断法,分别对应于暴露完全干预法、限制法和分层法;②混杂路径保留法,分别对应于暴露不完全干预法（工具变量设计或不完美的随机对照试验）、中间变量法和匹配法。其中,随机对照试验、工具变量设计或孟德尔随机化设计、中间变量分析可满足4类混杂的控制,而限制法、分层法和匹配法仅适用于已知、可测量并已测量的混杂。识别不同类型混杂的控制机制,有助于在研究设计阶段提出应对措施,是获得正确因果效应估计的前提。     

现实队列研究中暴露与结局的时序关系

暴露在发生时间上先于结局,是队列研究的优点之一,因此在因果推断上优于其他观察性设计。本文应用有向无环图（Directed Acyclic Graphs,DAGs）构建了现实队列研究中易感人群的因果结构后发现：现实的队列研究以研究人群替换易感人群进行因果效应的估计,人群的暴露与结局在时序关系上可互为先后,因果效应估计的准确性受到替换人群的易感性和基线调查时结局识别和排除有效性的影响。     

新发病例:新发生还是新发现

新发病例是流行病学的一个基本概念, 通常用作人群疾病发生频率指标的分子计数。然而, 关于新发病例的确切定义仍不清楚。基于疾病的自然史, 结合事件-状态概念, 本文重新定义病例相关概念, 并将其与传统概念进行了比较。研究发现, 传统流行病学研究中所谓的新发病例实际上为首次发现病例, 包括新发现病例和可被识别的新发生病例(疾病启动)。现实世界中, 新发生病例通常很难测量, 并且与疾病自然史和冰山现象一起, 可能会影响疾病频率测量和因果推断的准确性。正确理解病例相关概念的含义及其之间的差异有助于合理地解释流行病学的研究结果。     

阴道乳杆菌与早产关系的研究进展

阴道乳杆菌为健康育龄女性阴道优势菌。该菌缺乏将导致女性发生一系列不良症状；对妊娠期女性则可能产生不良的妊娠结局，如早产等。本文综述了孕妇阴道乳杆菌与早产关系的研究进展，为降低早产率提供新的研究方向。     

客观世界的因果关系:基于有向无环图的结构解析

客观世界因果关系的整体框架较为笼统而缺乏明晰的细节,给因果关系的研究带来困难。本文基于因果关系的时序特性结合有向无环图（DAGs）,以因和果的发生时间为界,将客观世界的时间维度划分为3个时间域和2个时间点。通过对5个时间单位上变量间存在着的完整的因果关系的病因网络DAGs进行分析发现,其病因结构由两部分叠加组成：第一部分是各个时间域间/时间点上任取一变量间的组合DAGs,为因果关系的基本结构,构成病因网络的核心,仅混杂路径影响其因果效应估计;第二部分是各个时间域内/时间点上变量间的母子或祖先-后代关系,其DAGs表现为与混杂类似的结构。本文简洁明了地构建了客观世界因果关系研究的整体框架（病因网络DAGs）,解释了控制混杂以解决因果效应估计的结构基础,为正确研究和识别因果关系奠定基础。