Directed Acyclic Graphs (DAGs) – Die Anwendung kausaler Graphen in der Epidemiologie

Kausale Graphen wie die gerichteten, azyklischen Graphen (engl.: directed acyclic graphs , DAGs) finden in der Epidemiologie zunehmend Anwendung zur Konzeptualisierung von Confounding und weiteren Quellen von Bias. Ein DAG ist ein geeignetes Hilfsmittel, um basierend auf apriori-Wissen die Zusammenhange zwischen der Exposition von Interesse und dem Outcome unter Berucksichtigung verschiedener Kovariaten zu visualisieren. Durch die Anwendung formaler Regeln konnen die kausalen und nicht-kausalen Strukturen identifiziert werden. Durch geeignete Adjustierung konnen kausale und nicht-kausale Effekte der Exposition auf das Outcome voneinander getrennt werden. Die Identifizierung der geeigneten Adjustierungsmengen ist abhangig von den Beziehungen der Variablen untereinander. Die Berucksichtigung dieser Beziehungen ist wichtig, um nicht fur mehr Kovariaten als notwendig zu adjustieren. Die Folge konnte die Einfuhrung von zusatzlichem Bias sein. Durch Betrachtung der einzelnen Pfade eines DAGs werden die kausalen Strukturen systematisch identifiziert, um minimal suffiziente Adjustierungsmengen an Kovariaten zu erhalten, die eine moglichst unverzerrte Effektschatzung basierend auf dem zugrunde liegenden Graphen ermoglicht. Das Ziel dieses Beitrages ist eine Einfuhrung in die Grundbegriffe der kausalen Graphen und die Illustration der Anwendungsschritte zur Ableitung von suffizienten Adjustierungsmengen.