Diagramas Acíclicos Dirigidos reestructurado 2024

Diagramas Acíclicos Dirigidos(DAG)

Dr. Juan Carlos Ayala García

Generación 2023

Diagramas acíclicos dirigidos (DAG)

INicio

Gráfico

Dirigido

Acíclico

Son representaciones gráficas intuitivas pero rigurosas para comunicar causalidad en la investigación epidemiológica.

Se construyen para representar el conocimiento previo sobre sistemas biológicos y de comportamiento relacionados con preguntas específicas.

Info

INicio

DAG

¿Para qué nos sirve?

¿Cómo crear un DAG?

Componentes

INicio

D-separación

• En un inicio los DAG estaban respaldados bajo intuiciones causales individuales de cada investigador.

• Los argumentos para respaldar las declaraciones establecidas en los DAG se han formalizado y probado estadísticamente.

• El método D-separación permite determinar si dos variables son independientes, si el camino causal está bloqueado o abierto.

Reglas D-separación

(Clic para revelar mas información)

Estructura básica del sesgo de selección

INicio

Efecto común de la exposición y el desenlace. E: Vacuna D: Diagnóstico confirmatorio de COVID-19 S: Acceso a los servicios de salud

(Clic para revelar mas información)

Estructura básica del sesgo de información

INicio

E: Exposición prenatal D: Defectos de nacimiento R*: Recuerdo materno

(Clic para revelar mas información)

Estructura básica de la confusión

INicio

Causa común de la exposición y el desenlace. E: Uso de multivitamínicos D: Defectos del nacimiento C: Edad materna

(Clic para revelar mas información)

INicio

Hay confusión si...

La exposición y el desenlace tienen causas comunes.

Existen caminos de puerta trasera.

Confusión en los DAG

Un confusor se define como cualquier variable que pueda bloquear un camino de “puerta trasera”.

Una causa común puede dejar de ser un confusor si todos los caminos no causales son bloqueados por otras variables condicionadas.

INicio

Otras estructuras causales

Variable proxy

Mediación/Modificación de efecto

Variable instrumental

INicio

Caminos causales

• Inician abiertos, queremos que continúen abiertos.

Nuestro interés en los caminos

Caminos no causales

• Pueden iniciar abiertos, queremos cerrarlos.

• Pueden iniciar cerrados, queremos mantenerlos cerrados.

INicio

Set de variables a condicionar

Set suficiente

Set mínimo suficiente

• Los conjuntos mínimamente suficientes pueden contener un número diferente de variables
• Un set mínimamente suficiente contiene el menor número de covariables que cierran los caminos no causales

Conjunto de variables condicionantes que deja:

• Todos los caminos causales abiertos
• Todos los caminos no causales cerrados

Gracias

director.academico@grupo-avance.com.mx

www.grupo-avance.com.mx

@grupoavanceoficial

• Nodos: variables
• Bordes: flechas que representan la dirección causal (o sospecha) entre variables