I diagrammi causali hanno rivoluzionato il modo in cui i ricercatori chiedono: Qual è l’effetto causale di X su Y? Sono diventati uno strumento chiave per i ricercatori che studiano gli effetti di trattamenti, esposizioni e politiche. Riassumendo e comunicando le ipotesi sulla struttura causale di un problema, i diagrammi causali hanno contribuito a chiarire i paradossi apparenti, descrivere i pregiudizi comuni e identificare le variabili di aggiustamento. Di conseguenza, una buona comprensione dei diagrammi causali sta diventando sempre più importante in molte discipline scientifiche.

La prima parte di questo corso comprende sette lezioni che introducono i diagrammi causali e le loro applicazioni all’inferenza causale. La prima lezione introduce i DAG causali, un tipo di diagrammi causali e le regole che li governano. La seconda, la terza e la quarta lezione usano DAG causali per rappresentare forme comuni di pregiudizi. La quinta lezione utilizza i DAG causali per rappresentare i trattamenti che variano nel tempo e il feedback del confonditore del trattamento, nonché il bias dei metodi statistici convenzionali per la regolazione della confusione. La sesta lezione introduce SWIGs, un altro tipo di diagrammi causali. La settima lezione guida gli studenti nella costruzione di diagrammi causali.

La seconda parte del corso presenta una serie di casi di studio che evidenziano le applicazioni pratiche dei diagrammi causali alle domande del mondo reale dalle scienze della salute e sociali.

Credito fotografico del professore: Anders Ahlbom