Nuovo metodo di inferenza causale affronta il bias di selezione negli studi osservazionali

Un nuovo metodo è stato introdotto dai ricercatori per rilevare effetti causali in presenza di bias di selezione, una sfida frequente negli studi osservazionali che spesso mancano di un campione rappresentativo dell'intera popolazione. I risultati, condivisi su arXiv, delineano le condizioni necessarie e sufficienti per determinare l'effetto medio del trattamento (ATE) in presenza di bias di selezione. Questa tecnica utilizza assunzioni minime riguardanti le classi di probabilità per definire i propensity score e le probabilità di selezione, migliorando i criteri grafici esistenti. La ricerca affronta problemi come il 'bias del volontario sano' in grandi biobanche, dove i partecipanti tendono ad essere più sani e più ricchi rispetto alla popolazione generale. Questo studio fornisce una comprensione più approfondita dell'identificazione dell'effetto causale con assunzioni significativamente più deboli rispetto alla ricerca precedente.