Что такое причинно следственная связь: «Что такое причинно-следственная связь в гражданском праве?» – Яндекс.Кью

Частная психиатрия | Обучение | РОП

Как было сказано выше, для врача всегда важно сформировать правильные представления об этиологии тех состояний, с которыми он встречается у своих больных. Поэтому при диагностике любых заболеваний важно уметь выявить истинные причины их развития. Как же отличить истинные причины от факторов, которые не связанны с развитием заболевания, но могут случайно присутствовать у больного?

В медицине выделяют ряд критериев, которые используются для подтверждения причинно-следственных связей (критерии Хилла):

  • Устойчивость: ассоциация стабильна при воспроизведении результатов в исследованиях в других условиях и другими методами
  • Сила: определяется величиной риска, которая оценивается соответствующими статистическими критериями
  • Специфичность: о ней говорят, если одна предполагаемая причина вызывает один специфический эффект
  • Зависимость доза-эффект: усиление воздействия (по количеству и/или по времени) увеличивает риск
  • Временная зависимость: воздействие всегда предшествует исходу.
    Это единственный абсолютно необходимый критерий
  • Биологическая правдоподобность: ассоциация согласуется с существующими представлениями о патобиологических процессах
  • Когерентность: ассоциация должна быть сопоставима с существующей теорией и знаниями.
  • Эксперимент: состояние (исход) можно изменить (например, предотвратить или облегчить) в соответствующем эксперименте

Одним из частных случаев установления такой связи являются Критерии психогенных расстройств (т.е. расстройств, вызванных психотравмами — жизненными событиями, обладающими субъективной эмоциональной значимостью и проводящими к негативно окрашенным переживаниям), предложенные Карлом Ясперсом:

1. Начало расстройства совпадает по времени с действием психотравмы

2. В переживаниях отражается содержание психотравмирующего события

3. Редукция симптоматики после окончания действия психотравмы

Оценка возможных причинно-следственных связей особенно необходима для диагностики эндогенных психических расстройств. Как было отмечено выше, эти расстройства возникают по внутренним причинам, но жизнь человека не бывает изолирована от внешних событий, которые иногда могут привлекать к себе внимание и казаться причиной того или иного расстройства. Только тщательное рассмотрение динамики развития состояния поможет объяснить является ли тот или иной фактор причинным или нет.

Например,

• Пик заболеваемости шизофрений приходится на возраст 20-30 лет, т.е. период, когда многие молодые люди учатся в ВУЗах. Шизофрения развивается по эндогенным (внутренним, вероятно генетически обусловленным) механизмам, но сам пациент и его родственники зачастую в своем понимании причин болезни склонны связывать развитие этого заболевания с неблагоприятными внешними факторами, в т.ч. интеллектуальными нагрузками и эмоциональными стрессами во время учебы («переучился»). Например, мать 22-летнего пациента впервые обратила внимание на странности в поведении своего сына после того, как он «завалил» сессию в университете.

Она заметила, что он не хочет обсуждать свою дальнейшую учебу в ВУЗе, не планирует идти на пересдачу, негативно реагирует на напоминания об экзаменах, много времени проводит один в своей комнате, общения со знакомыми избегает, постоянно погружен в какие-то размышления. Мать решила, что это «депрессия», вызванная неудачами на экзаменах, стала тревожиться о возможных суицидных мыслях у сына и настояла на его консультации у психиатра. В беседе с пациентом психиатр выяснил, что его переживания никак не связаны с экзаменационным стрессом, на самом деле пациент поглощен общением с «инопланетными захватчиками», «голоса» которых он слышит уже на протяжении полугода, уверен, что они «зомбируют» его для того, чтобы «сделать орудием уничтожения Земли» (т.е. на лицо галлюцинаторно-бредовая симптоматика). Более того, он забросил учебу и не сдал сессию, именно из-за того, что уже был поглощен этими переживаниями, а учеба в настоящее время его совершенно не беспокоит. Т.е. в данном случае нельзя говорить о психогенном расстройстве, т.
к. ни критерий содержания переживаний, ни критерий правильных временных соотношений не соблюдены, кроме того, дальнейшая динамика состояния оказалась никак не связана с действием экзаменационного стресса, а определялась собственной траекторией развития заболевания (носит аутохтонный характер). Тем не менее, как и многие другие пациенты в такой ситуации, этот пациент и его родные, развитие заболевания которого (в данном случае шизофрении) совпало с высокими нагрузками во время учебы в ВУЗе, на психологическом уровне склонны объяснять развитие психического расстройства именно в качестве следствия учебных нагрузок и других «стрессов», т.к. такое объяснение для них является гораздо более очевидным, чем медицинские рассуждения о генетических и нейрохимических механизмах, лежащих в основе эндогенных психических заболеваний.

• Особенно часто психологически понятные житейские объяснения получают депрессивные расстройства. Это обусловлена тем, что связь неблагоприятных жизненных событий с негативно окрашенными эмоциональными реакциями на них для всех очевидна.

Однако в медицинском понимании депрессия представляет собой болезненное эмоциональное состояние, а не эмоциональную реакцию (подробнее об их различиях см. тут) и истинная депрессия (т.е. состояние) гораздо в большей степени определяется биологическими (эндогенными) причинами, чем обычно предполагают неспециалисты (подробнее см. тут). Например, психиатра в больнице скорой помощи вызывают для консультации молодой девушки, совершившей суицидную попытку «в связи с изменой молодого человека». При осмотре выясняется, что об измене пациентка узнала накануне от подруги, после этого сразу же пошла в ванную комнату, где, закрывшись одна, нанесла себе серьезные самопорезы предплечья и только вовремя подоспевшая помощь родных смогла сохранить ей жизнь. И сама пациентка, и родные, и врачи, которые оказывали ей первую помощь, объясняют данный суицид исключительно фактом измены, ставшей для пациентки серьезной психологической травмой. Однако в ходе беседы с пациенткой становится сразу заметна ее выраженная психомоторная заторможенность, далее она рассказывает, что уже несколько месяцев испытывает необъяснимую подавленность, тяжесть, тоску о чем-то отсутствующем, ей стало трудно общаться с людьми, учиться, много времени стала проводить дома, потеряла интерес к развлечениям и общению со своим молодым человеком, с которым до этого они уже начинали планировать свадьбу.
Все это время мало следила за своим внешним видом, хотя прежде была «модницей», стала часто задумываться о смысле жизни, ее бренности, бессмысленности, уже не раз думала о том, что смерть была бы для нее облегчением. В таком состоянии известие о том, что ее молодой человек стал встречаться с другой девушкой (а его измену во многом можно объяснить тем, что поведение пациентки сильно изменилась из-за депрессии, но болезненность этого состояния ее друг, к сожалению, не распознал), лишь подтолкнуло ее к решению о самоубийстве, стало «последней каплей», по сути являясь лишь поводом для этого решения, содержанием её депрессивных переживаний, а не их причиной.

• Многие молодые пациенты, страдающие шизофренией, объясняют развитие у них галлюцинаторно-бредовой симптоматики последствиями употребления ими наркотических веществ. Студенты во время курации пациентов на психиатрических отделениях охотно воспринимают эти объяснения, выставляя в учебных историях болезни вместо диагноза шизофрении (эндогенного психического расстройства), диагнозы психических расстройств, вызванных употреблением наркотиков.

Однако при этом в большинстве случаев они игнорируют «биологический смысл» и динамику взаимосвязи употребления наркотических веществ и психических расстройств. При эпизодическом употреблении (а обычно именно о таком употреблении идет речь) некоторых наркотиков возможно развитие интоксикационных психозов с галлюцинаторно-бредовой симптоматикой, однако их течение скоротечно и определяется наличием в крови человека определенной концентрации наркотического вещества. Как только концентрация снижается (обычно в течение нескольких часов), психические расстройства проходят сами собой. В случаях эндогенных причин развития галлюцинаторно-бредовых состояний их динамика никак не связана с употреблением наркотических веществ и другими внешними факторами. Это обычно и наблюдается в подобных случаях: пациент много лет болеет, многократно лечился с обострениями галлюцинаторно-бредовой симптоматики, которая сохраняется у него длительное время, а это значит, что эпизодическое употребление каких-либо наркотиков, которое было много лет назад, уже давно не оказывает какого-либо влияния на динамику его состояния и не может рассматриваться в качестве причины болезни.

• Тем не менее, в научной литературе доказано, что, например, факт употребления каннабиноидов (конопля, марихуана, гашиш и пр.) повышает риск развития шизофрении. Т.е. среди тех, у кого развилась шизофрения, частота употребления каннабиноидов выше, чем среди тех, у кого она не развилась. Однако этот фактор риска только гипотетически рассматривается как этиологического фактора, т.к. возможны две причины наблюдающегося увеличения частоты: 1) употребление каннабиноидов потенциально может каким-то образом менять нейрохимию мозга, приводя к развитию симптоматики шизофрении; 2) наоборот, люди, заболевающие шизофренией, реагируя на появление первой симптоматики, ищут объяснение своих расстройств, пытаются в них разобраться, и это может приводить их к опытам с употреблением наркотиков с психодислептическими (изменяющими сознание) эффектами, к которым и относятся каннабиноиды.

• Появление первых симптомов таких эндогенных психических расстройств, как шизофрения и биполярное аффективное расстройство, часто сопровождается чувством собственной измененности (см. деперсонализация), ощущением надвигающейся угрозы (см. тревога), дезавтоматизацией собственных психических процессов (см. психические автоматизмы). В этот период многие пациенты ищут ответ на вопросы о том, что же с ними происходит? В чем смысл происходящего? В чем смысл жизни? Понять биологически корни этих заболеваний неподготовленному человеку достаточно сложно, зато эзотерические или религиозные учения, могут давать пищу для поиска ответов на подобные вопросы. Этим объясняется частое обращение людей, заболевающих психическими расстройствами, к религии и эзотерике, а также отражение разных элементов этих учений в их переживаниях. К сожалению, плохо то, что некоторые представители данных учений (особенно, члены тоталитарных сект), пользуясь уязвимостью данных пациентов, склонны дополнительно психологически воздействовать на них, внушая им определенные (зачастую радикальные) взгляды с целью сделать их безоговорочными адептами своих учений. Более того, чтобы привлечь пациентов с психическими расстройствами в свои ряды, члены некоторых сект, прикрываясь антипсихиатрическими теориями, внушают пациентам мысль о том, что причина их расстройств на самом деле в том, что психиатры негативно воздействуют на них своими лекарствами, вызывая тем самым психические болезни.

К сожалению, безответственные спекуляции на эту тему (а зачастую листовки подобного содержания активисты этих сект раздают у стен психиатрических стационаров и диспансеров) приводят к тому, что пациенты, находящиеся в болезненном состоянии, и, действительно нуждающиеся в психиатрической помощи, начинают избегать медицинских работников, отказываются от лечения, что может приводить к непоправимому вреду для их здоровья.


Как анализировать информацию, искать причинно-следственные связи и не совершать логические ошибки


Ирина Балманжи

Почему наши умозаключения так часто оказываются ошибочными? Что такое корреляция и причинность? Как рассуждать и делать выводы, опираясь на научный метод? Умение видеть взаимосвязь между явлениями нельзя рассматривать как необязательную опцию. Нам нужен этот навык, чтобы извлекать из массивов данных полезную информацию и уверенно прокладывать курс в океане повседневных решений.

Книга «Почему» научит правильно анализировать данные и определять причинно-следственные связи там, где они есть. Делимся интересными мыслями из нее.

Восприятие и умозаключения

Как вы впервые обнаружили, что лампочка загорается, если повернуть выключатель? Откуда вы знаете, что ружье, выстреливая, производит громкий звук, а не наоборот?

Мы получаем знания о причинах двумя основными путями:

  1. Восприятие (каузальный опыт). Видя, как в окно влетает кирпич, один бильярдный шар ударяет другой, заставляя катиться, горящая спичка поджигает фитиль свечи, мы получаем впечатления о причинной зависимости на основе входящей сенсорной информации.
  2. Умозаключения (опосредованные выводы о причинности с помощью дедуктивного метода и на основе некаузальной информации). Причины таких событий, как пищевые отравления, войны и хорошее здоровье, нельзя воспринять непосредственным образом — их предстоит вывести путем логического мышления на основе чего-то, отличающегося от непосредственных наблюдений.

Доверие, которое мы питаем к причинному восприятию, может нас подвести. Если вы слышите громкий звук, а после этого в комнате зажигается свет, легко решить, что эти события взаимосвязаны; однако временная привязка громкого звука и момента, когда некто щелкает выключателем, может быть простым совпадением.


Доверие к причинному восприятию может нас подвести. Источник

Временная и пространственная близость событий — параметры, из-за которых мы нередко делаем ложные выводы.

Например, мы часто слышим, что человеку сделали прививку от гриппа, а к вечеру у него развились схожие с гриппом симптомы, и люди верят, что именно укол стал поводом к этому. Но вакцина против гриппа, содержащая неактивную форму вируса, не может вызвать болезнь. Среди огромного количества привитых у некоторых развиваются другие сходные болезни (по чистому совпадению), или они подхватывают вирус, ожидая приема в клинике.

Время

Близлежащие по времени события могут привести к ошибочным заключениям о причинности. Представьте: у вас разболелась голова и вы приняли некое средство. Через несколько часов боль ушла. Можно ли утверждать, что помогло лекарство?

Временной паттерн позволяет сделать предположение, что ослабление симптома произошло благодаря приему лекарства, однако вы не можете сказать наверняка, что боль не прошла бы сама. Вам пришлось бы провести множество выборочных экспериментов, где вы бы принимали или не принимали препарат, а потом записывали, как быстро исчезала головная боль, чтобы иметь возможность утверждать хоть что-то относительно подобной причинной зависимости. Также пришлось бы сравнить действия лекарства и плацебо.


Причинная зависимость не всегда может быть оправдана. Источник

Длительные задержки между причиной и следствием тоже способны помешать достоверному установлению причинно-следственных связей. Некоторые следствия наступают быстро (удар по бильярдному шару заставляет его двигаться), а некоторые процессы протекают в замедленном режиме. Известно, что курение вызывает рак легких; но между первой сигаретой и днем, когда диагностируют рак, пролегают долгие годы.

Побочные эффекты от приема некоторых препаратов проявляются через десятилетия. Перемены в состоянии здоровья благодаря физическим упражнениям достигаются медленно и не сразу, и, если мы будем ориентироваться только на стрелку весов, может показаться, что вес сначала даже увеличивается, потому что мускулы наращиваются быстрее, чем уходит жир. Ожидая, что следствие должно идти непосредственно за причиной, мы не видим связи между этими глубоко взаимозависимыми факторами.

Корреляция

Корреляция (соотношение, взаимосвязь) не обязательно означает причинную зависимость. Эта мысль прочно вбита в мозги любого студента, изучающего статистику; но порой ошибаются даже те, кто понимает это высказывание и согласен с ним.

Сильная взаимосвязь может показаться убедительной и инициировать ряд успешных прогнозов. Но видимые корреляции иногда объясняются еще не измеренными причинами.

К примеру, мы нашли соотношение в ситуации, когда человек, съевший плотный завтрак, вовремя успевает на работу; однако, вероятно, оба фактора имеют общую причину: человек рано встал, а значит, у него было время хорошо позавтракать, вместо того чтобы в спешке бежать на службу.


Корреляция не обязательно означает причинную зависимость.  Источник

Выявив корреляцию между двумя переменными, нужно проверить, способен ли подобный неизмеренный фактор (общая причина) объяснить эту взаимосвязь.

Более того, соотношения способны существовать, даже когда две переменные вообще никак не связаны. Корреляции бывают результатом абсолютной случайности (например, вы много раз за неделю сталкиваетесь с подругой на улице), искусственных условий эксперимента (вопросы могут быть подстроены под конкретные реакции), ошибки или сбоя (баг в компьютерной программе).

Без вариации нет корреляции

Представьте такую ситуацию: вы хотите узнать, как получить грант, поэтому спрашиваете всех друзей, которые его имеют, что, по их мнению, помогло им. Все кандидаты оформляли заявку шрифтом Times New Roman; согласно мнению половины, важно, чтобы на каждой странице была как минимум одна иллюстрация; а треть рекомендуют представить заявку за 24 часа до установленного срока. Означает ли это, что есть корреляция между названными условиями и получением гранта? Нет, не означает.

Поскольку все результаты идентичны, нельзя сказать, что произойдет, если поменять шрифт или представить заявку за минуту до истечения срока.


Без вариации нет корреляции. Источник

И тем не менее широко распространена ситуация, когда анализируются только факторы, ведущие к определенному исходу. Только представьте, насколько часто победителей спрашивают, как именно они добились успеха, а потом стараются этот успех воспроизвести, выполняя в точности те же действия.

Подобный подход полон недостатков по многим причинам, включая то, что люди просто не слишком хорошо умеют определять существенные факторы, недооценивают роль случайностей и переоценивают свои способности. В результате мы не только путаем факторы, которые по чистой случайности сопутствуют желаемому эффекту, с теми, которые действительно его обеспечивают, но и видим иллюзорные корреляции там, где их нет.


Люди не слишком хорошо умеют определять существенные факторы, недооценивают роль случайностей и переоценивают свои способности.  Источник

Беседы с победителями бесполезны, поскольку можно сделать то же самое, но не преуспеть. Возможно, все кандидаты оформляют заявки на грант шрифтом Times New Roman (а значит, те, кто не получил гранты, порекомендуют использовать другой шрифт), а может, успешные кандидаты получили грант, несмотря на избыточное количество иллюстраций в документах. Не зная совокупности положительных и отрицательных примеров, мы не сможем даже предположить наличие корреляции.

Ошибка отбора

Одна из важных причин, почему мы ошибаемся с выводами, заключается в том, что данные могут не быть репрезентативными с точки зрения исходного распределения.

Если бы нам разрешили взглянуть на статистику смертей от гриппа, но предоставили только данные о количестве больных, поступивших в лечебные учреждения, мы наблюдали бы гораздо более высокий процент летальных исходов, чем в масштабах всего населения. Это происходит потому, что люди оказываются в стационаре, как правило, с более тяжелыми случаями или дополнительными заболеваниями (и с высокими шансами смерти от гриппа). Так мы сравниваем не все исходы, а только статистику для обратившихся к врачам на фоне симптоматики гриппа.


Данные отбора должны быть репрезентативными. Источник

Или возьмем, к примеру, сайты, опрашивающие посетителей насчет их политических взглядов. В интернете не получится отобрать участников опроса случайно в масштабах всего населения, а данные источников с сильным политическим уклоном искажены еще сильнее.

Если посетители конкретной страницы активно поддерживают действующего президента, то результаты по ним, возможно, покажут, что рейтинг главы государства растет каждый раз, когда он произносит важную речь. Однако это показывает лишь то, что есть корреляция одобрения президента и произнесения им речей перед сторонниками.

Предвзятость подтверждения

Некоторые из когнитивных смещений, заставляющие нас видеть соотношение несвязанных факторов, сходны с ошибкой отбора. К примеру, предвзятость подтверждения заставляет искать доказательства в пользу определенного убеждения.

Иными словами, если вы верите, что лекарство вызывает некий побочный эффект, вы приметесь читать в интернете отзывы тех, кто уже принимал его и наблюдал это действие. Но таким образом вы игнорируете весь набор данных, не поддерживающих вашу гипотезу, вместо того чтобы искать свидетельства, которые, возможно, заставят ее переоценить.

Предвзятость подтверждения также может заставить вас отказаться от свидетельств, противоречащих вашей гипотезе; вы можете предположить, что источник сведений ненадежен или что исследование основывалось на ошибочных экспериментальных методах.


Предвзятость подтверждения. Источник

Помимо предвзятости с точки зрения доказательств, может случиться ошибка интерпретации аргументов. Если в ходе «неслепого» тестирования нового лекарства доктор помнит, что пациент принимает это средство и считает, что оно ему помогает, то может начать искать признаки его эффективности. Поскольку многие параметры субъективны (например, подвижность или усталость), это может привести к отклонениям в оценке данных индикаторов и логическим заключениям о наличии несуществующих корреляций.

Есть и специфическая форма предвзятости подтверждения — иллюзорная корреляция. Она означает поиск соотношения там, где его нет. Возможная взаимосвязь симптомов артрита и погоды настолько широко разрекламирована, что считается доказанной. Однако знание о ней может привести к тому, что пациенты будут говорить о корреляции просто из ожидания ее увидеть. Когда ученые попытались проанализировать эту проблему, взяв за основу обращения пациентов, клинические анализы и объективные показатели, то не обнаружили абсолютно никакой связи.

По материалам книги «Почему».
Обложка поста отсюда.

Определение причинно-следственных связей и их представление в виде стратегической карты

Определение причинно-следственных связей и их представление в виде стратегической карты

Одним из основных элементов ССП является определение и документирование причинно-следственных взаимосвязей между отдельными стратегическими целями. Устанавливаемые причинно-следственные связи отражают наличие зависимостей между отдельными целями. При формировании данных зависимостей неявные связи между целями проявляются и становятся понятными менеджерам. А само вырисовывание причинно следственных зависимостей позволяет найти оптимальные пути реализации стратегии. Стратегические цели не являются независимыми и оторванными друг от друга, а наоборот, они тесно друг с другом связаны и влияют друг на друга. Для отражения причинно-следственных цепочек между стратегическими целями Каплан и Нортон используют термин «стратегические карты», а саму разработку причинно-следственной цепочки целей называют одним из самых сложных этапов процесса построения ССП.


При построении причинно-следственной цепочки необходимо учитывать основное правило ее построения, которое состоит в отсутствии необходимости изображения всех возможных связей между целями. Нечитабельное и слишком сложное изображение многочисленных связей теряет свой смысл с точки зрения управляемости. Попытка изобразить все мыслимые причинно-следственные связи означает необходимость построения слишком сложных и неуправляемых матриц. Но данные матрицы не смогут помочь в донесении стратегии сотрудникам, ни при осуществлении процесса управления. Лучшие же результаты будут получены тогда, когда на карте целей будут изображены только стратегически значимые причинно-следственные связи. Тем самым предпринимается попытка повысить информативность, сконцентрировать внимание на ключевых аспектах деятельности и обеспечение прозрачности стратегии.


Например, подразделение повышает уровень своего сервиса, чтобы тем самым достичь цели «повышение привязанности клиентов к компании». Однако от цели «повысить уровень сервиса» исходит только одна стрелочка, так как повышение качества обслуживания сначала способствует повышению удовлетворенности клиентов, а лишь затем – повышению привязанности клиентов к компании.


В процессе формирования причинно следственных цепочек взаимосвязей необходимо понимать, что не существует «правильных» причинно-следственных связей. Как только мы покидаем финансовые цели, то многие причинно-следственные зависимости уже невозможно установить математическим способом. Например, насколько лучший имидж компании приведет к росту доходов. Если мы улучшим имидж в 2 раза — во сколько возрастут доходы? Насколько повышение уровня удовлетворенности сотрудников может повысить готовность клиентов приобретать товары компании?


Все из перечисленных причинно-следственных связей могут быть изучены с помощью корреляции, но лишь некоторые из них научно могут быть обоснованы и измерены количественно. Сами причинно-следственные связи являются индивидуальными для каждой компании и являются инструментом управления, при помощи которого менеджеры могут проверить свои предположения и сделать соответствующие выводы. Предположения же строятся на базе накопленного в компании опыта. Причинно следственные связи в ССП только тогда будут «правильными», когда они стали результатом консенсуса между менеджерами и позволяют построить целостную систему целей компании. Построение причинно-следственных связей между целями помогает менеджерам представить свои сделанные допущения наглядными и проверить наличие корреляции между отдельными целями. Поэтому рассмотренные методы не ставят во главу угла точность, которую, в силу названных причин, достичь просто невозможно.


Важно, чтобы все сотрудники компании обсуждали связи стратегической карты. Чем прочнее конкретная связь, тем в большей мере руководство должно уделять внимание опережающему индикатору. Когда руководители стараются управлять опережающими индикаторами, оно имеет больше шансов повлиять на последующий результат. Управление опережающими индикаторами означает, что они рассматриваются на равне с последующими результатами, если даже важнее. Например, желательно чтобы премирование было привязано в большей степени к опережающим индикаторам, чем к последующим результатам. Точно также в процессе планирования опережающим индикаторам должно уделяться значительное внимание при постановке целей и планировании инвестиций и бюджетов.


Особенно важно проводить «разбор полетов» по индикаторам, которые не достигли своих целей. То есть, необходимо выделять зоны, требующие особого внимания – «центры внимания», на обсуждение которых руководство должно затратить определенное время, чтобы выработать идеи о том, как улучшить ситуацию.


Безусловно, чтобы стать настоящей системой управления Карты показателей должны использоваться в качестве повестки дня ежемесячных собраний для руководства компании. Также к ежемесячному собранию готовятся наиболее важные ключевые индикаторы, которые измеряются на постоянной основе и немедленно сообщаются по всей компании. Например, «своевременная доставка» является важным показателем, результат по которому может постоянно изображаться на внутренних мониторах компании. Желательно также отслеживать графическое представление динамики показателей по подразделению за прошлые года, а также в сравнении с целью, и в сравнении с лучшими подразделениями компании.


Помимо отчетов по достижению показателей в ежемесячном докладе должны содержаться пункты о том, что необходимо предпринять для исправления ситуации. На очередном собрании необходимо оценить, что произошло с момента последнего собрания. Когда установленные задачи выполнены — они вычеркиваются из списка. Список задач должен содержать лишь те пункты, по которым ведется работа. Предложения по улучшению, генерируемые на основе карты показателей, фокусируются на определенной перспективе или на определенном показателе. По каждому предпринятому мероприятию необходимо производить оценку. Это важная характеристика обучающейся компании – учиться на собственном опыте и отражать это в последующей деятельности. Если действие предпринимаются с определенной целью — важно проверить, привели ли они к достижению намеченных результатов.


Взаимосвязи между действиями и результатами, определенные на основе опыта компании очень важны при прогнозировании, но при условии четкого определения целей компании в стратегических картах. Речь идет о взаимосвязях, которые определены с той или иной степенью определенности. Если компания имеет четкое представление о характере взаимосвязи отдельных факторов, то она сможет моделировать будущие процессы. 

Документирование причинно-следственных связей между отдельными целями осуществляется, как правило, вместе с их разработкой во время «стратегической сессии». Если их не документировать сразу, то потом бывает очень трудно вспомнить все мысли, которые возникали у участников команды по этому поводу. Также вырисовывание причинно-следственной цепочки предполагает нумерацию целей в зависимости, от какой проекции выписывается причинно-следственная цепочка. В том случае, если цепочка причинно-следственных связей вырисовывается громоздкой и малочитабельной, ее необходимо упростить для легкого понимания каждым сотрудником компании. Для того, чтобы эффективно использовать механизм причинно-следственных связей по донесению информации, нам нужно как графическое изображение данных связей, так и краткое сопроводительное описание данной стратегической карты.
Как нам создать стратегическую карту компании?


Как уже отмечалось, сначала мы должны разработать показатели деятельности, а потом составлять карту причинно-следственных связей.


Предположим, что мы располагаем показателями для каждой из четырех составляющих. Но при разработке карты стратегии может выясниться, что некоторые из выбранных нами показателей не вписываются в описание стратегии. Данные показатели, возможно, понадобятся для Систем показателей нижних уровней, которые будут создаваться при каскадировании. Либо такие показатели могут служить операционными или диагностическими показателями и отслеживаться вне ССП. При составлении карты стратегии, для обеспечения логической последовательности могут потребоваться совершенно новые показатели. В этом заключается истинная ценность процесса составления причинно-следственных связей, так как он заставляет тщательно изучить и подобрать показатели, отражающие точное описание стратегии компании. Правильно составленная ССП должна содержать комплекс основных итоговых показателей (запаздывающих) и факторов деятельности (опережающих индикаторов), приводящих к улучшению результатов по этим параметрам.


Формирование причинно-следственных связей необходимо начинать в каждой из четырех составляющих с запаздывающих индикаторов деятельности. Ориентация этих показателей на результат легко позволяет их объединить в логическую последовательность, начиная с финансовых показателей, переходя к клиентским показателям, после к показателям процессов и в конечном итоге к показателям обучения и развития. После создания логической цепочки запаздывающих показателей во всех четырех составляющих, для каждого из показателей мы будем продумывать опережающие показатели деятельности. Опережающие показатели могут не быть логически связаны со всеми четырьмя составляющими ССП. Это связано с тем, что они являются узкоспециализированными для итоговых показателей. Хотя опережающие показатели (факторы деятельности) могут казаться несвязанными или необъединенными одной темой, при изучении их в контексте всей ССП мы видим, что они являются мощным фактором, приводящим в действие весь механизм ССП.


Например, мы выбрали стратегию предоставления комплексного решения клиентам. Исходя из такой стратегической направленности — компания предлагает клиентам не передовые продукты и не лучшую операционную деятельность, потому, что конкурентным преимуществом является комплексное решение для клиентов. А это, соответственно, потребует глубокого знания потребностей клиентов.
В финансовой составляющей компании, например, необходим рост доходов. Рост доходов не возможен без увеличения количества лояльных к компании клиентов и перекрестных продаж. Соответственно, лояльность клиентов может быть определена в качестве запаздывающего индикатора деятельности. Что будет являться фактором повышения лояльности клиентов? Так как мы избрали в качестве стратегического направления тесную связь с клиентом, а соответственно, для достижения успеха компании необходимо предоставить комплексное решение для клиентов. Для разработки комплексных решений вам необходимо как можно больше знать о трудностях и потребностях клиентов, конкурентную среду. Выполнение этой задачи потребует от компании большего присутствия у клиентов, общения с ними для выявления их потребностей. Поэтому компании необходимо данную цель измерять показателем «количество часов, проведенных с клиентами с целью выявления потребностей и запросов».


Следующим этапом после выбора финансовых и клиентских показателей является выбор показателей для внутренних бизнес-процессов, которые необходимо довести до совершенства, чтобы оправдать ожидания клиентов. В соответствии с предложением покупательной ценностью для клиентов мы можем определить знания потребностей клиентов в качестве основополагающего фактора их лояльности. Соответственно, количество разработанных клиентских решений является запаздывающим индикатором внутренних процессов. Мы понимаем, что сама по себе база клиентских решений не появиться. Если такая база решений должна стать основой лояльности клиентов, то у сотрудников необходимо создать мотивацию ее использовать. Основным фактором, способствующим генерированию клиентских решений, является обучение персонала в тех сферах компетенции, которые позволяют разрабатывать комплексные решения клиентов. Соответственно, запаздывающим индикатором обучения и развития будет «достижение компетентности». Результаты обучения это опережающий показатель обучения и развития.


Таким образом, создается карта стратегии, показывающая комплекс взаимосвязанных показателей по четырем составляющим ССП. Данная карта отражает самое обоснованное предположение о том, что необходимо для реализации своей стратегии. Она также послужит инструментом обеспечения единой направленности действий сотрудников для достижения общих целей компании.
Для того, чтобы максимально использовать информационный потенциал карты стратегии, необходимо описать сопроводительный рассказ, оживляющий карту стратегии в представлении сотрудников.


Источник:
Книга «Внедрение системы сбалансированных показателей: оценка деятельности компании»
Авторы: Немировский И., Старожукова И.
При использовании материалов статьи обязательна ссылка на сайт «Академия развития Лидеров» http://beleader. com.ua

Причинно-следственная связь как условие для взыскания в качестве убытков

Юристами Агентства Раут создана практика, по которой между несвоевременной страховой выплатой и понесенными на уплату процентов за пользование кредитом расходами (если кредит взят на приобретение имущества, утраченного или поврежденного в результате страхового случая) прослеживается причинно-следственная связь как условие для взыскания их в качестве убытков.
Выдержка их Постановления Президиума ВАС РФ от 24.04.2012 N 16327/11 по делу N А79-12041/2010

По договору купли-продажи от 01.12.2008 N 1006/2008 предприниматель приобрел автомобиль, оплату которого произвел денежными средствами, полученными у банка на основании кредитного договора от 05.12.2008 N 621/0053-0000646 (далее — кредитный договор).
Во исполнение условий кредитования предприниматель согласно полису от 03.12.2009 N АТС/1203/015813 (далее — договор страхования) застраховал в страховой группе в пользу банка автомобиль и заложил его банку.
Произошедшее 17.12.2009 уничтожение автомобиля вследствие возгорания страховая группа страховым случаем не признала и отказала в удовлетворении заявления предпринимателя о выплате страхового возмещения.
Арбитражный суд Чувашской Республики — Чувашии решением от 19.08.2010 по делу N А79-3268/2010 признал полное уничтожение автомобиля страховым случаем и взыскал со страховой группы в пользу предпринимателя как истца страховое возмещение в размере исполненного заемного обязательства, в пользу банка как третьего лица с самостоятельными требованиями относительно предмета спора — в размере не погашенных по кредитному договору платежей.
Выплату страхового возмещения страховая группа произвела платежными поручениями от 06.10.2010 N 2775, от 07.10.2010 N 2778.
За период со дня наступления по договору страхования обязанности по страховой выплате (17.02.2010) и до дня исполнения страховой группой этой обязанности (08.10.2010) предприниматель уплатил банку 85 554 рубля 32 копейки процентов за пользование кредитом и, сочтя эту сумму убытками, возникшими вследствие несвоевременной выплаты страхового возмещения, предъявил иск о ее взыскании (настоящее дело).
Согласно статьям 15, 393 Гражданского кодекса должник обязан возместить кредитору убытки, причиненные неисполнением или ненадлежащим исполнением обязательства.
Для взыскания убытков по правилам названных норм подлежат установлению ненадлежащее исполнение страховой группой договора страхования, причинно-следственная связь между этим нарушением и требуемыми убытками и их размер.
Ненадлежащее исполнение страховой группой обязательства по выплате страхового возмещения установлено решением Арбитражного суда Чувашской Республики — Чувашии от 19.08.2010.
Уплата предпринимателем банку процентов за пользование кредитом за период длящейся просрочки в страховой выплате и размер уплаченных процентов подтверждены наличием кредитного договора и обстоятельствами его исполнения.
Денежные средства предпринимателю предоставлены под установленным в пункте 2.1 кредитного договора условием заключения со страховой группой договора страхования приобретаемого транспортного средства с указанием банка в качестве залогодержателя (выгодоприобретателя), что опровергает вывод судов об отсутствии взаимосвязи между этими обязательствами.
Кредитный договор предусматривал и право предпринимателя на досрочное полное и частичное погашение кредита (пункт 5.2 договора).
Банку как залогодержателю право на досрочное исполнение обеспеченного залогом обязательства предоставлено законом в случае утраты предмета залога по обстоятельствам, за которые он не отвечает (подпункт 3 пункта 1 статьи 351 Гражданского кодекса).
Предприниматель и банк, потребовав осуществления страховой выплаты, выразили признанные судом в деле N А79-3268/2010 правомерными намерения о досрочном прекращении кредитных правоотношений за счет реализации договора страхования.
Таким образом, между несвоевременной страховой выплатой и понесенными на уплату процентов за пользование кредитом расходами прослеживается причинно-следственная связь как условие для взыскания их в качестве убытков.
При названных обстоятельствах отказ судов во взыскании убытков по мотиву отсутствия взаимосвязи кредитного и страхового обязательств противоречит статьям 15, 393 Гражданского кодекса, поэтому оспариваемые судебные акты подлежат отмене на основании пункта 1 части 1 статьи 304 Арбитражного процессуального кодекса Российской Федерации как нарушающие единообразие в толковании и применении арбитражными судами упомянутых норм.
С учетом наличия всех необходимых условий для взыскания со страховой группы убытков вследствие ненадлежащего исполнения договора страхования исковое требование предпринимателя следует удовлетворить.
Вступившие в законную силу судебные акты арбитражных судов по делам со схожими фактическими обстоятельствами, принятые на основании нормы права в истолковании, расходящемся с содержащимся в настоящем постановлении толкованием, могут быть пересмотрены на основании пункта 5 части 3 статьи 311 Арбитражного процессуального кодекса Российской Федерации, если для этого нет других препятствий.

 

Выяснение причинно-следственной связи между нарушением ПДД и смертью потерпевшего — Адвокат в Самаре и Москве

В отечественной правоприменительной практике бесспорным признано положение, согласно которому в случаях, если преступление по своей природе влечет наступление определенных последствий, они должны быть непосредственно связаны с самим деянием. Состав таких преступлений называется материальным, то есть преступление имеет свое объективное выражение – последствия. Важен не только факт наступления этих последствий, но и причинно-следственная связь между деянием и наступившими последствиями.

Что касается причинения вреда здоровью в результате ДТП (ст.264 УК РФ), то уголовно-наказуемым это деяние становится только при наступлении смерти или тяжкого вреда, то есть имелась угроза жизни потерпевшему.

В качестве деяния в данном случае выступают различные нарушения ПДД. Причем это могут быть как конкретные предписания, регулирующие поведение лица в конкретной ситуации, так и общие положения о поведении лица при движении.

К конкретным предписаниям можно отнести запрет на движение на красный сигнал светофора (Приговор Советского районного суда г. Махачкалы от 26.02.2019 по делу № 1-772/2018).

Но чаще суды в обоснование незаконности поведения лица приводят общие положения ПДД, касающиеся видов скоростного режима, расположения автомобиля на дороге. Так, в мотивировочной части приговора может указываться п.1.3 ПДД, согласно которому участники дорожного движения обязаны знать и соблюдать ПДД  (апелляционное постановление Псковского областного суда от 21.04.2017 по делу №  22–262).

Возможны и случаи, когда лицо совершает нарушение нескольких пунктов ПДД. Тогда суд должен обосновать, какие из нарушений привели к ПДД и причинению тяжкого вреда здоровью или смерти потерпевшему (приговор Пыталовского районного суда от 07.04.2015 по делу №  1–20/2015)

Причинно-следственная связь между деянием и наступившими последствиями  должна быть, во-первых, закономерной – вытекать из совершенного деяния при нормальном, логичном течении событий (при нанесении удара появился синяк), и, во-вторых, необходимой – при нормальном течении событий иные последствия не могут возникнуть.

Как отмечал Пленум Верховного суда в Постановлении от 09.12.2008 №  25 «О судебной практике по делам о преступлениях, связанных с нарушением правил дорожного движения и эксплуатации транспортных средств, а также с их неправомерным завладением без цели хищения», ответственность по ст. 264 УК РФ наступает только тогда, когда доказана прямая причинно-следственная связь между действиями виновного и наступившими последствиями. Отдельно отмечено, что при постановлении приговора суд должен указать, какое конкретно нарушение было допущено.

Так, если при расследовании дела было установлено и виновное деяние водителя, и смерть потерпевшего в результате травм, приговор суда может быть отменен, если между этими двумя событиями не исследована причинно-следственная связь (апелляционное постановление Псковского областного суда от 06.03.2014 по делу №  22–170).

Необходимо также установить, что при причинении подобного рода травм должны наступить тяжкие последствия для здоровья или смерть. В качестве критерия должного выступает реакция организма здорового человека. Поэтому, если на наступление смерти повлияли на только травмы, но и существовавшие на момента ДТП болезни лица, причинно-следственная связь не считается доказанной (приговор Опочецкого районного суда от 19.03. 2015 по делу №  1–16/2015).

Безусловно, оценка характера и степени вреда здоровью, а также наличие причинно-следственной связи требует специальных знаний в области медицины, и в таких случаях в силу положений ст.196 УПК РФ назначение судебно-медицинской экспертизы обязательно.

Однако это не означает, что суд при оценке этих факторов должен всецело доверять мнению эксперта. Его заключение является лишь одним из доказательств и не имеет заранее установленного преимущества перед другими. Следовательно, заключение эксперта также должно оцениваться судом на предмет допустимости и обоснованности. 

МОДУЛЬ 4 – Установление причинно-следственной связи ПППИ

С дополнительной информацией об установлении причинно-следственной связи можно ознакомиться в отчете Глобального консультативного комитета по безопасности вакцин (ГККБВ) «Установление причинно-следственной связи побочных проявлений после иммунизации». В отчете рассматриваются другие условия и меры, которые должны быть применены при установлении причинно-следственной связи в области безопасности вакцин. .

Отчет ГККБВ: Установление причинно-следственной связи побочных проявлений после иммунизации

Во многих странах действуют системы ПППИ, и сообщениям о подозреваемых побочных проявлениях уделяется большое внимание. Такие системы были успешны при выявлении тяжелых ПППИ после того, как вакцины были разрешены к использованию. Как правило, есть необходимость в дополнительных исследованиях с целью дальнейшего расследования причинно-следственной связи ПППИ.

Несмотря на то, что наиболее надежный путь определения наличия причинно-следственной связи вакцины с побочным проявлением — это рандомизированное клинические испытание, такие испытания ограничены этапом клинической разработки вакцины. После того, как вакцина лицензирована, возможность проведения контролируемых исследований больше не рассматривается ввиду этических соображений (отказ от вакцинации).

Установление причинно-следственной связи представляет собой систематическую проверку данных о случае ПППИ. Такая оценка определяет вероятность наличия причинно-следственной связи между проявлением и полученной вакциной (вакцинами). Оценка причинно-следственной связи позволяет установить:

  • имеет ли ПППИ отношение к вакцине или программе вакцинации;
  • какие шаги, при необходимости, должны быть сделаны для реагирования на данное проявление.

Памятка ВОЗ по установлению причинно-следственной связи служит руководством для систематического, стандартизированного процесса оценки причинно-следственной связи в отношении серьезных побочных проявлений после иммунизации (включая кластеры проявлений).36

Памятка ВОЗ: ПППИ: Установление причинно-следственной связи

Результаты определения причинно-следственной связи помогают повысить среди работников сферы здравоохранения осведомленность о рисках, связанных с вакциной. Все это, вместе со знанием о пользе иммунизации, формирует базу для информирования родителей и /или вакцинируемых о вопросах, касающихся вакцин.

Качество оценки причинно-следственной связи зависит от:

  • качества отчета о случае ПППИ,
  • эффективности системы отчетности о ПППИ,
  • качества процесса контроля причинно-следственной связи.

Установление причинно-следственной связи побочных проявлений с использованием вакцины основывается на пяти принципах.35

Причинно следственная связь |corprf.ru

Причинно-следственная связь заключается в том, что в конкретной ситуации из двух взаимосвязанных явлений одно (причина) всегда предшествует другому и порождает его, а другое (следствие) всегда является результатом действия первого.

Истинная причина

Причинно-следственная связь- не единственная форма взаимной связи явлений, а лишь одна из ее разновидностей. Причинно-следственную связь часто путают со схожей взаимосвязью условия и обусловленного.

В реальной жизни сложно найти два явления, связанных только одной связью. Одно и то же следствие может порождаться несколькими различными причинами, а одна и та же причина может породить несколько разных последствий.

Реальная причина того или иного следствия может отличаться от предполагаемой. При этом реальная причина сама может быть следствием предполагаемой причины.

Сложность доказывания

Сложность доказывания вызвана абстрактностью причинно-следственной связи противоправного поведения с наступившими негативными последствиями. Абсолютная достоверность причинно-следственной связи встречается довольно редко.

Стандарт доказывания абсолютной достоверности подразумевает, что причинно-следственная связь должна быть:

  • прямой
  • конкретной (существует только в реальной ситуации)[1]
  • объективной (фактическое следование понесенных убытков из произошедшего нарушения)[2]
Альтернативные механизмы доказывания

Подтверждая причинно-следственную связь, истец доказывает, что

  • при отсутствии нарушения убытков не было бы (Определение ВС РФ по делу А41-5917/2015), или
  • убытки являются обычным последствием допущенного нарушения (п.5 Постановления Пленума ВС РФ N 7 от 24.03.2016 г.)
  • наличие причинно-следственной связи между нарушениями и убытками более вероятно (п. 5 Постановления N 7), а вероятность наступления последствий превышает вероятность ненаступления (п. 14 Постановления № 25)

[1] В ином случае данное следствие может стать причиной, а соответствующая взаимосвязь может иметь совсем другое значение.

[2] Если бы нарушения не было, то не было бы и убытков.

Определение причинной связи и причинно-следственная связь в сравнении с корреляцией

Статистические определения> Причинная связь

Что такое причинно-следственная связь?

Согласно Merriam-Webster, причинно-следственная связь — это «акт или процесс, в результате которого что-то происходит или существует». Другими словами, причинно-следственная связь означает, что одно событие со 100% уверенностью вызовет что-то другое. Если вы рисуете, вы делаете картину. Если стоять под дождем, промокнешь.

С другой стороны, Мерриам-Вебстер утверждает, что корреляция — это «взаимосвязь между вещами, которые происходят или меняются вместе. «Корреляция означает взаимосвязь, но не стопроцентную. Если вы рисуете, вы можете продать картину. Если вы стоите под дождем, в вас может попасть молния.


комикс: XKCD

Корреляция против причинно-следственной связи

«… корреляция не предполагает причинно-следственной связи, но, черт возьми, дает намек». Slate.com

В реальной жизни иногда трудно определить причинно-следственную связь. Например, возьмите утверждение: «Если вы совершите уголовное преступление, вы попадете в тюрьму.«Реальность такова, что вы можете попасть в тюрьму… если вас поймают. И даже если вас поймают, вы можете найти себе отличного адвоката, который обеспечит вам испытательный срок и общественные работы. Итак, вы не можете точно сказать , что совершение уголовного преступления приведет к посадке вас в тюрьму. Но есть определенная связь в том, что если вы совершите преступление, вы, скорее всего, попадете в тюрьму (гораздо более вероятно, чем тот, кто совершит незначительное преступление или вообще не совершает преступлений). Эта связь называется корреляцией ; Вы можете сказать, что существует взаимосвязь между совершением тяжкого преступления и тюремным заключением.

Причинная связь в статистике

В статистике корреляцию можно выразить количественно и дать число, где ноль означает «отсутствие корреляции», а 1 — «идеальная корреляция». Существует идеальная корреляция, и она практически неотличима от причинной связи. Вы редко (если вообще когда-либо) будете использовать термин «причинно-следственная связь», вместо этого вы будете говорить о различных типах коэффициентов корреляции и о том, являются ли ваши результаты статистически значимыми.

Причинно-следственную связь очень сложно доказать, поскольку вы пытаетесь доказать 100-процентную корреляцию (что случается редко). Возьмем, к примеру, курение сигарет. На протяжении десятилетий активисты, торговые группы и ученые дискутировали о том, вызывает ли табачный дым рак легких, и если да, то насколько сильна эта связь. Было предложено множество других причин связи между раком легких и курением, включая недосыпание или алкоголизм. Говоря простым языком, теперь известно, что курение вызывает рак легких.Но с научной (или статистической) точки зрения вы не можете на самом деле сказать «причина», поскольку это означало бы, что каждый человек, выкуривший хотя бы одну сигарету, заболеет раком легких. Как статистики, мы говорим, что существует очень сильная корреляция между курением и раком легких.

Чтобы найти правдивые, забавные примеры того, как корреляция не всегда подразумевает причинную связь (например, употребление маргарина и браки в Кентукки), посетите сайт этого парня.

————————————————— —————————-

Нужна помощь с домашним заданием или контрольным вопросом? С помощью Chegg Study вы можете получить пошаговые ответы на свои вопросы от эксперта в данной области.Ваши первые 30 минут с репетитором Chegg бесплатны!

Комментарии? Нужно опубликовать исправление? Пожалуйста, оставьте комментарий на нашей странице в Facebook .

Оцените разницу для вашего продукта

Корреляция и причинно-следственная связь могут показаться обманчиво похожими. Но признание их различий может быть решающим фактором между потерей усилий на малоценные функции и созданием продукта, которым ваши клиенты не могут перестать восторгаться.

В этой статье мы сосредоточимся на корреляции и причинно-следственной связи, поскольку они относятся конкретно к созданию цифровых продуктов и пониманию поведения пользователей.Менеджеры по продуктам, специалисты по обработке данных и аналитики сочтут это полезным для использования правильной информации для роста продукта, например, влияют ли определенные функции на удержание или вовлеченность пользователей.

После прочтения этой статьи вы:

  • Знаете основные различия между корреляцией и причинно-следственной связью
  • Ключевые различия между корреляцией и причинно-следственной связью
  • Два надежных решения, которые ваша команда может использовать для проверки причинно-следственной связи

В чем разница между корреляцией и причинностью?

Хотя причинно-следственная связь и корреляция могут существовать одновременно, корреляция не подразумевает причинной связи. Причинная связь явно применяется к случаям, когда действие A вызывает результат B. С другой стороны, корреляция — это просто связь. Действие A относится к действию B, но одно событие не обязательно вызывает другое событие.

Корреляцию и причинную связь часто путают, потому что человеческий разум любит находить закономерности, даже если они не существуют. Мы часто придумываем эти паттерны, когда кажется, что две переменные настолько тесно связаны, что одна зависит от другой. Это будет означать причинно-следственную связь, когда зависимое событие является результатом независимого события.

Однако мы не можем просто предположить причинно-следственную связь, даже если мы видим два события, происходящие, казалось бы, вместе, на наших глазах. Во-первых, наши наблюдения носят чисто анекдотический характер. Во-вторых, существует множество других возможностей для ассоциации, в том числе:

  • Верно и обратное: B на самом деле вызывает A.
  • Эти две взаимосвязаны, но это еще не все: A и B взаимосвязаны, но на самом деле они вызваны C.
  • Есть еще одна переменная: A действительно вызывает B — пока происходит D.
  • Существует цепная реакция: A вызывает E, что приводит к тому, что E вызывает B (но вы только своими глазами видели, что A вызывает B).

Пример корреляции и причинно-следственной связи в аналитике продукта

Вы можете ожидать, что обнаружите причинно-следственную связь в своем продукте, когда определенные действия или поведение пользователя приводят к определенному результату.

Представьте себе: вы только что запустили новую версию своего мобильного приложения. Вы делаете ключевую ставку на то, что удержание пользователей вашего продукта связано с социальным поведением в приложении.Вы просите свою команду разработать новую функцию, которая позволит пользователям присоединяться к «сообществам».

Через месяц после того, как вы выпустите и объявите о своей новой функции сообществ, около 20% всех пользователей приняли ее. Интересно, влияют ли сообщества на удержание, вы создаете две когорты одинакового размера со случайно выбранными пользователями. В одной когорте есть только пользователи, присоединившиеся к сообществам, а в другой — только пользователи, которые не присоединились к сообществам.

Ваш анализ показывает шокирующий результат: пользователи, которые присоединились хотя бы к одному сообществу, удерживаются гораздо чаще, чем средний пользователь.

Почти 90% тех, кто присоединился к сообществам, все еще находятся в Дне 1 по сравнению с 50% тех, кто этого не сделал. К 7 дню вы увидите 60% удержания среди присоединившихся к сообществу и около 18% удержания среди тех, кто не присоединился. Это похоже на массовый переворот.

Источник

Но подождите. Вы знаете, что у вас недостаточно информации, чтобы сделать вывод о том, приводит ли присоединение к сообществам к лучшему удержанию. Все, что вы знаете, это то, что они взаимосвязаны.

ПРОГРАММА УДЕРЖАНИЯ

Чтобы развивать свой продукт, вам нужна надежная стратегия удержания.

Прочтите наше руководство, чтобы получить советы экспертов по инструментам, стратегиям и реальным примерам для повышения удержания пользователей.

📚 Загрузить руководство >>

Как проверить наличие причинно-следственной связи в вашем продукте

Причинно-следственные связи не возникают случайно.

Может возникнуть соблазн связать две переменные как «причину и следствие». Но выполнение этого без подтверждения причинности в надежном анализе может привести к ложноположительному результату, когда причинно-следственная связь кажется существующей, но на самом деле ее нет.Это может произойти, если вы не тщательно проверяете связь между зависимой и независимой переменной.

Ложные срабатывания проблематичны для получения информации о продукте, потому что они могут ввести вас в заблуждение, заставив думать, что вы понимаете связь между важными результатами и поведением пользователей. Например, вы можете подумать, что знаете, какое конкретное событие активации ключа приводит к долгосрочному удержанию пользователей, но без тщательного тестирования вы рискуете принять важные решения по продукту на основе неправильного поведения пользователя.

Проведите надежные эксперименты для определения причинной связи

После того, как вы найдете корреляцию, вы можете проверить ее, запустив эксперименты, которые «контролируют другие переменные и измеряют разницу».

Два таких эксперимента или анализа, которые вы можете использовать для определения причинно-следственной связи с вашим продуктом:

  • Проверка гипотез
  • A / B / n эксперименты
1. Проверка гипотез

Самая основная проверка гипотез будет включать H0 (нулевая гипотеза) и h2 (ваша основная гипотеза) .Вы также можете иметь вторичную гипотезу, третичную гипотезу и так далее.

Нулевая гипотеза противоположна вашей первичной гипотезе . Почему? Потому что, хотя вы не можете доказать свою основную гипотезу со 100% уверенностью (самое близкое, что вы можете получить, составляет 99%), вы можете опровергнуть свою нулевую гипотезу.

Первичная гипотеза указывает на причинно-следственную связь, которую вы исследуете, и должна определять независимую переменную и зависимую переменную.

Лучше сначала создать свой h2, затем определить его противоположность и использовать его для H0. Ваш h2 должен определять отношения, которые вы ожидаете между независимыми и зависимыми переменными. Итак, если мы воспользуемся предыдущим примером влияния социальных функций в приложении на удержание, ваша независимая переменная будет присоединяться к сообществам, а ваша зависимая переменная — удержанию. Итак, ваши гипотезы могут быть такими:

h2: Если пользователь присоединяется к сообществу в рамках нашего продукта в первый месяц, он останется клиентом более одного года.

Затем отрицайте свой h2, чтобы сгенерировать нулевую гипотезу:

H0: Нет никакой связи между присоединением к сообществу внутри приложения и удержанием пользователей.

Цель состоит в том, чтобы увидеть любые фактические различия между вашими гипотезами. Если вы можете отклонить нулевую гипотезу со статистической значимостью (в идеале с достоверностью минимум 95%), вы ближе к пониманию взаимосвязи между вашими независимыми и зависимыми переменными.В приведенном выше примере, если вы можете отвергнуть нулевую гипотезу, обнаружив, что присоединение к сообществу привело к более высоким показателям удержания (при корректировке мешающих переменных, которые могут повлиять на ваши результаты), то вы, вероятно, можете сделать вывод, что существует некоторая связь между сообществами и пользователем. удержание.

Чтобы проверить эту гипотезу, составьте уравнение, которое точно отражает взаимосвязь между ожидаемой причиной (независимая переменная) и следствием (переменная результата). Если ваша модель позволяет вам подставлять значение для вашей переменной воздействия и последовательно возвращать результат, который отражает фактические наблюдаемые данные, вы, вероятно, на чем-то натолкнулись.

Когда использовать проверку гипотез:

Проверка гипотез полезна, когда вы пытаетесь определить, действительно ли существует связь между двумя переменными, вместо того, чтобы смотреть на отдельные свидетельства. Вы можете захотеть посмотреть на исторические данные, чтобы запустить продольный анализ , который отслеживает изменения во времени. Например, вы можете выяснить, являются ли первые участники запуска продукта вашими крупнейшими промоутерами. Вы можете посмотреть на шаблоны рефералов, а также сравнить эту связь с запуском продукта с течением времени.

Или вы можете запустить перекрестный анализ , который анализирует моментальный снимок данных. Это полезно, когда вы смотрите на эффекты конкретного воздействия и результата, а не на изменения в тенденциях за период. В качестве примера вы можете изучить взаимосвязь между праздничными рекламными акциями и продажами.

2. Эксперименты A / B / n

В качестве альтернативы, тестирование A / B / n может привести вас от корреляции к причинно-следственной связи. Посмотрите на каждую из ваших переменных, измените одну и посмотрите, что произойдет.Если ваш результат постоянно меняется (с той же тенденцией), вы нашли переменную, которая имеет значение.

Эндрю Чен говорит об этом так: «После того, как вы нашли модель, которая вам подходит, следующим шагом будет ее A / B-тестирование. Сделайте что-нибудь, что отдает приоритет входной переменной и увеличивает ее, возможно, за счет чего-то еще ». Он продолжает: «Посмотрим, станут ли в результате эти пользователи более успешными. Если вы видите большую разницу в своей метрике успеха, значит, вы на правильном пути.Если нет, то, может быть, это не очень удачная модель ».

Когда дело доходит до доказательства того, что присоединение к сообществам приводит к более высокому уровню удержания, вы должны исключить все другие переменные, которые могут повлиять на результат. Например, пользователи могли пойти другим путем, что в конечном итоге повлияло на удержание.

Чтобы проверить, есть ли причинно-следственная связь, вам нужно найти прямую связь между присоединением пользователей к сообществам и долгосрочным использованием вашего приложения.

Начните с процесса адаптации.Для следующих 1000 пользователей, которые зарегистрируются, разделите их на две группы. Половина будет вынуждена присоединиться к сообществам при первой регистрации, а другая половина — нет.

Запустите эксперимент в течение 30 дней, а затем сравните уровни удерживания между двумя группами.

Если вы обнаружите, что группа, которая была вынуждена присоединиться к сообществам, имеет относительно более высокий уровень удержания, тогда у вас есть доказательства, необходимые для подтверждения наличия причинно-следственной связи между присоединением к сообществам и удержанием.Эти отношения, вероятно, стоит изучить глубже, чтобы понять, почему сообщества стимулируют удержание.

Вы не будете уверены в родстве, пока не проведете эксперименты такого типа.

Когда использовать A / B / n-тестирование:

A / B / n, или сплит-тестирование, идеально подходит, когда вы сравниваете влияние различных вариантов (это может быть кампания, функция продукта или контент стратегия). Сплит-тест процесса адаптации вашего продукта, например, может сравнить эффективность различных стратегий на основе определенных характеристик, в том числе:

  • Варианты копирования
  • Различная графика
  • Использование стороннего приложения для автоматического распознавания названия и компании ваши пользователи
  • Уменьшение количества полей в вашей форме регистрации, если у вас есть одно

После запуска нескольких вариантов адаптации продукта вы можете взглянуть на результаты, чтобы сравнить такие показатели, как процент прерывания, конверсия, и даже удержание.

Действуйте в соответствии с правильными корреляциями для устойчивого роста продукта

Мы всегда ищем закономерности вокруг нас, поэтому наша цель по умолчанию — уметь объяснить то, что мы видим. Однако, если причинно-следственная связь не может быть четко определена, следует предположить, что мы наблюдаем только корреляцию.

События, которые кажутся взаимосвязанными на основе здравого смысла, нельзя рассматривать как причинные, если вы не можете доказать четкую и прямую связь. И хотя причинная связь и корреляция могут существовать одновременно, корреляция не означает причинную связь.

Чем больше вы научитесь определять истинные корреляции в своем продукте, тем лучше вы сможете расставить приоритеты для привлечения и удержания пользователей.

Причинная связь

Причинная связь Причина — это любое событие, которое предшествует и отвечает за , событие (я), которое следует за ним.

Причинная связь — это связь, существующая между причиной и следствием.

В логике мы различаем две разные формы причинности:

  • Необходимая причина — событие (я) , без которого последствия не могут возникнуть
  • Достаточная причина — любое событие, которое является , всегда сопровождается последствием

В качестве примера необходимая причинная связь , рассмотрим заражение гриппом: чтобы заболеть гриппом, вы должны сначала быть подвержены воздействию вируса гриппа. Таким образом, необходимая причина заражения гриппом — заражение вирусом. Но обратите внимание, что только потому, что Если вы подверглись воздействию вируса, это не означает, что вы заразитесь гриппом (ваша иммунная система может быть достаточно сильной, чтобы бороться с ним). Так, заражение гриппом является необходимым условием (без него нельзя заразиться гриппом), но этого недостаточно (просто потому, что ваш контакт не означает, что вы заболеете).

Достаточная причинность более сильная, чем необходимая причинность в том смысле, что при наличии достаточной причины связанное следствие должен следовать за .Однако достаточная причина не исключает других возможных причин того же события. Например, химический Ответный огонь может быть вызван ударами спички, щелчком зажигалки или фокусировкой солнечного луча через увеличительное стекло. Каждый достаточно , чтобы вызвать эффект.

Отношения между достаточной и необходимой причинно-следственной связью можно логически выразить в виде гипотетический (или условный ) предложение (т. е. утверждение «если / то»).Элемент предложения, следующий за словом «если», называется антецедентом , а Элемент, следующий за словом «then», называется консеквентом : «Если X , то Y ». Антецедент всегда представляет достаточное условие для консеквента, в то время как консеквент представляет собой необходимое условие для антецедента.

В «Метафизике» причинно-следственная связь является рациональным объяснением event: событие X объясняет, почему произошло событие Y .

Если событие ограничено во времени (т. Е. Имеет начало и конец), оно называется случайное событие. Таким образом, существует , даже если он нам неизвестен , объяснение события, есть причина, почему это произошло, есть причина , предшествующая его возникновению. Или же, Проще говоря, каждое случайное событие, в принципе, можно объяснить в состоянии .

В дофилософской культуре причинность обычно ассоциировалась с богами, предками, духами или каким-либо другим онтологически отличным «другим». Начало западной философской традиции (известной как натуральная философия, или Досократическая философия) началась как попытка заменить мифологическое объяснение ( muthos ) причинности рациональным ( логотипов ). Убеждение, что существует познаваемых Набор причин в мире отчетливо коренится в отказе греков от мифологического мировоззрения.

Философы-натуралисты предлагали различные теории причинно-следственной связи, но в 4 веке до н. Аристотель синтезировал их в четырехчастное объяснение причинности:

  • Материальная причина — материал , из которого что-то сделано
  • Формальная причина — определяющие характеристики (e.г., форма) вещь
  • Final Cause — цель вещи
  • Эффективная причина — предшествующее условие, которое привело к появлению

Согласно Аристотелю, знать какое-то событие, знать вещь — значит полностью уяснить все четыре причины события / вещи.

Связь, корреляция и причинно-следственная связь | Nature Methods

Большинство исследований включают переменные множественного ответа, и зависимости между ними часто представляют большой интерес. Например, мы можем захотеть узнать, изменяются ли уровни мРНК и соответствующего белка вместе в ткани, или увеличение уровней одного метаболита связано с изменением уровней другого. В этом месяце мы начинаем серию столбцов о взаимосвязях между переменными (или особенностями системы), начиная с того, как можно охарактеризовать парные зависимости с помощью корреляции.

Две переменные независимы, если значение одной не дает информации о значении другой.Для переменных X и Y мы можем выразить независимость, сказав, что вероятность измерения любого из возможных значений X не зависит от значения Y и наоборот, или с помощью условной вероятности , P ( X | Y ) = P ( X ). Например, последовательные подбрасывания монеты независимы — для справедливой монеты P ( H ) = 0,5 независимо от результата предыдущего подбрасывания, поскольку подбрасывание не меняет свойств монеты.Напротив, если система изменяется путем наблюдения, измерения могут стать ассоциированными или, что то же самое, зависимыми. Карты, выпавшие без замены, не являются независимыми; когда вытягивается красная карта, вероятность вытягивания черной карты увеличивается, потому что теперь красных карт меньше.

Связь не следует путать с причинностью; если X вызывает Y , то эти два связаны (зависимы). Однако ассоциации могут возникать между переменными в присутствии (т.е., X вызывает Y ) и отсутствие (т.е. у них общая причина) причинной связи, как мы видели в контексте байесовских сетей 1 . В качестве примера предположим, что мы наблюдаем, что люди, которые ежедневно выпивают более 4 чашек кофе, имеют меньший шанс развития рака кожи. Это не обязательно означает, что кофе дает устойчивость к раку; Одним из альтернативных объяснений может быть то, что люди, которые пьют много кофе, работают в помещении в течение долгих часов и, таким образом, мало подвергаются воздействию солнца, что представляет собой известный риск.Если это так, то количество часов, проведенных на открытом воздухе, является смешивающей переменной — причиной, общей для обоих наблюдений. В такой ситуации нельзя сделать вывод о прямой причинно-следственной связи; ассоциация просто предлагает гипотезу, например общую причину, но не предлагает доказательств. Кроме того, при изучении многих переменных в сложных системах могут возникнуть ложные ассоциации. Таким образом, ассоциация не предполагает причинной связи.

В повседневном языке зависимости, ассоциации и корреляции используются как синонимы.Однако технически ассоциация является синонимом зависимости и отличается от корреляции (рис. 1а). Ассоциация — это очень общие отношения: одна переменная предоставляет информацию о другой. Корреляция более конкретна: две переменные коррелируют, когда они показывают тенденцию к увеличению или уменьшению. Например, при увеличивающейся тенденции наблюдение, что X > μ X подразумевает, что более вероятно, что Y > μ Y .Поскольку не все ассоциации являются корреляциями, и поскольку причинность, как обсуждалось выше, может быть связана только с ассоциацией, мы не можем приравнять корреляцию с причинностью в любом направлении.

Рис. 1: Корреляция — это тип связи, который измеряет тенденции к увеличению или уменьшению, количественно определяемые с помощью коэффициентов корреляции.

( a ) Диаграммы разброса связанных (но не коррелированных), несвязанных и коррелированных переменных. В нижнем примере связи дисперсия y увеличивается на x .( b ) Коэффициент корреляции Пирсона ( r , черный) измеряет линейные тренды, а коэффициент корреляции Спирмена ( s , красный) измеряет возрастающие или убывающие тенденции. ( c ) Очень разные наборы данных могут иметь одинаковые значения r . Дескрипторы, такие как кривизна или наличие выбросов, могут быть более конкретными.

Для количественных и порядковых данных существует два основных показателя корреляции: корреляция Пирсона ( r ), которая измеряет линейные тенденции, и (ранговая) корреляция Спирмена ( s ), которая измеряет возрастающие и убывающие тенденции, которые не являются обязательно линейный (рис. 1б). Как и другие статистические данные, у них есть значения совокупности, обычно обозначаемые как ρ. Существуют и другие меры ассоциации, которые также называются коэффициентами корреляции, но которые могут не измерять тенденции.

Когда «коррелированный» используется без изменений, это обычно относится к корреляции Пирсона, задаваемой формулой ρ ( X , Y ) = cov ( X , Y ) / σ X σ Y , где cov ( X , Y ) = E (( X — μ X ) ( Y — μ Y )).Корреляция, вычисленная по выборке, обозначается как r . Обе переменные должны быть в интервале или шкале отношений; r нельзя интерпретировать, если любая из переменных является порядковой. Для линейного тренда | r | = 1 в отсутствие шума и убывает с шумом, но также возможно, что | r | <1 для идеально связанных нелинейных трендов (рис. 1б). Кроме того, наборы данных с очень разными ассоциациями могут иметь одинаковую корреляцию (рис. 1c). Таким образом, диаграмму рассеяния следует использовать для интерпретации r .Если любая переменная сдвигается или масштабируется, r не изменяется и r ( X , Y ) = r (aX + b, Y ). Однако r чувствителен к нелинейному монотонному (возрастающему или убывающему) преобразованию. Например, при применении преобразования журнала r ( X , Y ) ≠ r ( X , log ( Y )). Он также чувствителен к диапазону значений X или Y и может уменьшаться по мере того, как значения выбираются из меньшего диапазона.

Если есть подозрение на возрастающую или убывающую, но нелинейную взаимосвязь, более подходящей является корреляция Спирмена. Это непараметрический метод, который преобразует данные в ранги, а затем применяет формулу корреляции Пирсона. Его можно использовать, когда X является порядковым номером и более устойчивым к выбросам. Он также нечувствителен к монотонно возрастающим преобразованиям, потому что они сохраняют ранги — например, с ( X , Y ) = с ( X , лог ( Y )). Для обоих коэффициентов меньшая величина соответствует увеличению разброса или немонотонной зависимости.

Можно увидеть большие коэффициенты корреляции даже для случайных данных (рис. 2а). Таким образом, r следует сообщать вместе со значением P , которое измеряет степень, в которой данные согласуются с нулевой гипотезой об отсутствии тенденции в популяции. Для значения r Пирсона, чтобы вычислить значение P , мы используем тестовую статистику √ [d.f. × r 2 / (1 — r 2 )], что составляет t -распределяется с d.f. = n — 2, когда ( X , Y ) имеет двумерное нормальное распределение ( P для s не требует нормальности) и популяционная корреляция равна 0. Еще более информативным является доверительный интервал 95%. , часто рассчитывается методом начальной загрузки 2 . На рисунке 2a мы видим, что значения до | r | <0,63 не являются статистически значимыми - их доверительные интервалы равны нулю. Что еще более важно, существуют очень большие корреляции, которые являются статистически значимыми (рис. 2a), даже если они взяты из популяции, в которой истинная корреляция равна ρ = 0. Эти ложные случаи (рис. 2b) следует ожидать в любое время большого подсчитывается количество корреляций — например, исследование только со 140 генами дает 9 730 корреляций. И наоборот, скромные корреляции между несколькими переменными, которые, как известно, являются шумными, могут быть биологически интересными.

Рисунок 2: Коэффициенты корреляции колеблются в случайных данных, и могут возникнуть ложные корреляции.

( a ) Распределение (слева) и 95% доверительные интервалы (справа) коэффициентов корреляции 10 000 n = 10 выборок двух независимых нормально распределенных переменных. Синим цветом выделены статистически значимые коэффициенты (α = 0,05) и соответствующие интервалы, не включающие r = 0. ( b ) Выборки с тремя наибольшими и наименьшими коэффициентами корреляции (статистически значимыми) из a .

Поскольку P зависит как от r , так и от размера выборки, его никогда не следует использовать в качестве меры силы связи.Возможно, что меньшее значение r , величина которого может быть интерпретирована как оценочная величина эффекта, будет связано с меньшим значением P просто из-за большого размера выборки 3 . Статистическая значимость коэффициента корреляции не предполагает существенной и биологически значимой значимости.

Значение обоих коэффициентов будет колебаться для разных выборок, как показано на рисунке 2, а также в зависимости от количества шума и / или размера выборки. При достаточном уровне шума коэффициент корреляции может перестать быть информативным для любого основного тренда.На рисунке 3а показана идеально коррелированная взаимосвязь ( X , X ), где X — это набор из n = 20 точек, равномерно распределенных в диапазоне [0, 1] при наличии различного количества нормально распределенного шума. со стандартным отклонением σ. При увеличении σ с 0,1 до 0,3 до 0,6 r ( X , X + σ) уменьшается с 0,95 до 0,69 до 0,42. При σ = 0,6 шум достаточно высок, чтобы r = 0,42 ( P = 0.063) не является статистически значимым — его доверительный интервал включает ρ = 0.

Рисунок 3: Влияние шума и размера выборки на коэффициент корреляции Пирсона r .

( a ) r из выборки n = 20 ( X , X + ɛ), где ɛ — нормально распределенный шум, масштабированный до стандартного отклонения σ. Показаны величина разброса и значение r при трех значениях σ. Заштрихованная область — 95% доверительный интервал.Интервалы, которые не включают r = 0, выделены синим (σ <0,58), а те, которые включают, выделены серым цветом и соответствуют незначительным значениям r (нс; например, r = 0,42 с P = 0,063). ( b ) По мере увеличения размера выборки r становится менее изменчивым, и оценка корреляции совокупности улучшается. Показаны образцы с увеличивающимся размером и шумом: n = 20 (σ = 0,1), n = 100 (σ = 0.3) и n = 200 (σ = 0,6). Кривые внизу показывают r , вычисленное из подвыборки, созданной из первых m значений каждой выборки.

Когда линейный тренд маскируется шумом, необходимы более крупные выборки для уверенного измерения корреляции. На рисунке 3b показано, как изменяется коэффициент корреляции для подвыборок размером м , взятых из выборок с разными уровнями шума: м = 4–20 (σ = 0,1), м = 4–100 (σ = 0,3) и м = 4–200 (σ = 0.6). Когда σ = 0,1, коэффициент корреляции сходится к 0,96 после м > 12. Однако при высоком уровне шума не только значение r ниже для полной выборки (например, r = 0,59 для σ = 0,3), но для надежной оценки ρ необходимы более крупные подвыборки.

Коэффициент корреляции Пирсона также может использоваться для количественной оценки того, насколько колебания одной переменной можно объяснить ее корреляцией с другой переменной. Предыдущее обсуждение дисперсионного анализа 4 показало, что влияние фактора на переменную отклика можно описать как объяснение вариации отклика; Ответы менялись, и как только фактор был учтен, вариации уменьшались.Возведенный в квадрат коэффициент корреляции Пирсона r 2 играет аналогичную роль: это доля вариации в Y , объясняемая X (и наоборот). Например, , r = 0,05 означает, что только 0,25% дисперсии Y объясняется X (и наоборот), а r = 0,9 означает, что 81% дисперсии Y составляет объясняется X . Эта интерпретация полезна при оценке биологической значимости величины r , когда она является статистически значимой.

Помимо корреляции между функциями, мы также можем говорить о корреляции между объектами, которые мы измеряем. Это также выражается как доля объясненной дисперсии. В частности, если единицы сгруппированы, то внутриклассовая корреляция (которую следует рассматривать как квадрат корреляции) — это процентная дисперсия, объясняемая кластерами и определяемая как σ b 2 / (σ b 2 + σ w 2 ), где σ b 2 — вариация между кластерами, а σ b 2 + σ w 2 — это сумма между кластером и внутри кластера. вариация.Эта формула обсуждалась ранее при исследовании процента общей дисперсии, объясняемой биологической вариацией 5 , где кластеры являются техническими повторениями для одного и того же биологического повторения. Как и в случае корреляции между характеристиками, чем выше внутриклассовая корреляция, тем меньше разброс данных — на этот раз измеряется не по кривой тренда, а по центрам кластеров.

Связь аналогична зависимости и может быть вызвана прямой или косвенной причинно-следственной связью.Корреляция подразумевает определенные типы ассоциации, такие как монотонные тенденции или кластеризацию, но не причинно-следственную связь. Например, когда количество характеристик велико по сравнению с размером выборки, часто возникают большие, но ложные корреляции. И наоборот, при большом количестве наблюдений небольшие и существенно неважные корреляции могут быть статистически значимыми.

Корреляция и причинно-следственная связь

А корреляция это мера или степень взаимосвязи между двумя переменными. Набор данных может быть положительно коррелирован, отрицательно коррелирован или вообще не коррелирован. По мере увеличения одного набора значений другой набор имеет тенденцию к увеличению, и это называется положительной корреляцией.

По мере увеличения одного набора значений другой набор имеет тенденцию к уменьшению, что называется отрицательной корреляцией.

Если изменение значений одного набора не влияет на значения другого, то говорят, что переменные не имеют «корреляции» или «нулевой корреляции».»

А причинная связь между двумя событиями существует, если возникновение первого вызывает другое. Первое событие называется причиной, а второе событие — следствием. Корреляция между двумя переменными не подразумевает причинной связи. С другой стороны, если между двумя переменными существует причинная связь, они должны быть коррелированы.

Пример:

Исследование показывает, что существует отрицательная корреляция между тревогой студента перед тестом и его оценкой.Но нельзя сказать, что тревога причины более низкий балл по тесту; могли быть и другие причины — например, ученик мог плохо учиться. Таким образом, корреляция здесь не подразумевает причинно-следственной связи.

Однако примите во внимание положительную корреляцию между количеством часов, которые вы тратите на подготовку к тесту, и оценкой, которую вы получите за него. Здесь также есть причинно-следственная связь; если вы уделяете больше времени учебе, вы получите более высокую оценку.

Одним из наиболее часто используемых показателей корреляции является корреляция моментов продукта Пирсона или коэффициент корреляции Пирсона. Он измеряется по формуле,

р Икс у знак равно п ∑ Икс у — ∑ Икс ∑ у ( п ∑ Икс 2 — ( ∑ Икс ) 2 ) ( п ∑ у 2 — ( ∑ у ) 2 )

Значение коэффициента корреляции Пирсона варьируется от — 1 к + 1 где –1 указывает на сильную отрицательную корреляцию, а + 1 указывает на сильную положительную корреляцию.

Понимание исследований в области здравоохранения · Корреляция и причинно-следственная связь

Наука часто измеряет взаимосвязь между двумя или более факторами. Например, ученые могут захотеть узнать, приводит ли употребление большого количества колы к разрушению зубов, или они могут захотеть выяснить, вызывает ли прыжок на батуте проблемы с суставами.

  • Корреляция — это когда два фактора (или переменные) связаны, но один не обязательно вызывает другой
  • Причинность — это когда один фактор (или переменная) вызывает другой

В примере с прыжками на батуте исследование может выявить, что люди, которые проводят много времени, прыгая на батуте, более склонны к развитию проблем с суставами, и в этом случае может возникнуть соблазн сделать вывод, что прыжки на батуте вызывают проблемы с суставами . Однако возможно также, что прыгуны на батуте в исследовании также бегали на длинные дистанции.Следовательно, можно сказать, что существует корреляция между прыжками на батуте и проблемами суставов, но мы не знаем наверняка, являются ли прыжки на батуте причиной проблем с суставами.

Часто легко найти доказательства корреляции между двумя вещами, но трудно найти доказательства того, что одно на самом деле вызывает другое. Когда изменения одной переменной вызывают изменение другой переменной, это описывается как причинная связь .Самое важное, что нужно понять, это то, что корреляция — это , а не , как причинно-следственная связь — иногда две вещи могут иметь общие отношения, но одна из них не вызывает другую. Например, чем больше пожарных машин будет вызвано на пожар, тем больший ущерб может причинить пожар. В этом случае ущерб не является результатом вызова дополнительных пожарных машин. Фактически, обе переменные (количество пожарных машин и размер нанесенного ущерба) вызваны размером пожара.

Даже если — это причинно-следственная связь между переменными, может быть трудно определить направление взаимосвязи — какая переменная вызывает изменение другой? Например, может существовать корреляция между настроением людей и их физическим здоровьем, но не очевидно, какая переменная влияет на другую — улучшает ли хорошее настроение физическое здоровье или хорошее физическое здоровье улучшает настроение людей?

Некоторые типы исследований могут предоставить нам доказательства причинно-следственных связей между двумя вещами, в то время как другие типы могут только помочь нам найти корреляции.Например, рандомизированные контролируемые испытания могут предоставить убедительные доказательства причинно-следственных связей, в то время как перекрестные исследования, такие как разовые опросы, не могут.

Читая исследования в области здравоохранения, важно помнить о разнице между корреляцией и причинно-следственной связью и задавать вопросы, подтверждением какого из них является исследование.

Причинная связь в эпидемиологии | Journal of Epidemiology & Community Health

«Наша точка зрения [причинной связи] имеет последствия, выходящие далеко за рамки неформального обсуждения во время перерывов на кофе.”1

Причинность — важное понятие в практике эпидемиологии. Причинные утверждения типа «курение вызывает рак» или «вирус папилломы человека вызывает рак шейки матки» долгое время были стандартной частью эпидемиологической литературы. Но, несмотря на широкое обсуждение причин, неясно, имеют ли эпидемиологи единую общую концепцию.

В эпидемиологии предложено несколько определений причины. В 1970 году Мак-Магон и Пью писали, что «слово причина — это абстрактное существительное и, как и красота, будет иметь разные значения в разных контекстах.2 Тем не менее, причина — это тоже научный термин, и важно, чтобы эпидемиологи разделяли общее мнение о том, что имеется в виду, говоря «X вызывает Y». На практике многие причинные утверждения сформулированы двусмысленно; например, «курение является причиной рака» может означать «каждый курильщик заболеет раком» или может быть истолковано как «по крайней мере, у одного курильщика разовьется рак» 3, в зависимости от основной концепции причинно-следственной связи, которую имеет в виду говорящий.

В недавней эпидемиологической литературе содержится призыв уделять больше внимания теоретическим и концептуальным основам эпидемиологии.4 5 В этом журнале Nijhuis и Van der Maesen призвали читателей исследовать философские основы общественного здравоохранения, уделяя особое внимание онтологическим проблемам (например, природе базовых понятий, таких как «общественность» и «здоровье»). В статье мы делаем упор на причинно-следственную связь.

В данной статье проводится обзор эпидемиологической литературы, выявляются закономерности и доминирующие определения. Исследуются сильные и слабые стороны различных подходов к определению причинно-следственной связи с привлечением богатой философской литературы по этой теме.Отсюда ключевое различие между детерминированными и вероятностными концепциями причинности. Выбор между этими двумя подходами отчасти обусловлен взглядами исследователей на роль эпидемиологии в отношении других наук и общественного здравоохранения. Мы объясняем эту связь и даем рекомендации относительно того, какой тип определения причинной связи лучше всего соответствует целям эпидемиологической дисциплины.

Основное внимание в этой статье будет уделяться эпидемиологии хронических заболеваний. Именно в этой области концепция причинно-следственной связи оказалась наиболее неуловимой и вызвала наибольшую путаницу и споры.Акцент также будет сделан на онтологической природе причинности, а не на причинном выводе, что является более эпистемологической проблемой; именно это концептуальное понимание, как отмечают те, кто требует больше теории, является недостаточным.

Обзор литературы

Мы провели поиск определений причинно-следственной связи в эпидемиологической литературе, чтобы определить, как эпидемиологи характеризуют причины. Были исключены эвристические приемы, которые не являются строго определениями, такие как «сеть причинности» 7. Сеть не предназначена для того, чтобы быть теорией или предоставлять причинные объяснения, а просто действовать как метафора для идеи о том, что причинные пути являются сложные и взаимосвязанные.8

Поиск в базе данных MEDLINE был выполнен с помощью PUBMED. В англоязычной литературе с 1990 г. по август 1999 г. был проведен поиск слов MeSH «причинность» и «эпидемиология» или «эпидемиологические методы». Термины использовались в неразрывном виде, поэтому подзаголовки этих терминов были исключены. Всего было извлечено 148 записей. «Причинно-следственная связь» была введена как заголовок MeSH только в 1990 году. В литературе с 1966 по 1989 год проводился поиск по ключевым словам «логика» и «эпидемиология». Поиск «причинно-следственной связи» и «эпидемиологии» в этот период также позволил выявить некоторые дополнительные ссылки.Статьи также были идентифицированы через сборники статей авторов по теме причинно-следственной связи в эпидемиологии. Списки литературы обзорных статей по причинно-следственной связи в эпидемиологии были просмотрены на предмет упоминания дополнительных статей по теме. Были также рассмотрены основные учебники по эпидемиологии для обсуждения причинно-следственной связи. Из этих источников можно выделить по крайней мере пять различных определений.

Осмысление нескольких определений

Изучив литературу, мы обнаружили, что причина определяется следующими способами: производство, необходимые причины, причины с достаточным количеством компонентов, вероятностные причины и контрфакты (таблица 1).Интересно, что эти пять типов определений соответствуют основным подходам к причинно-следственной связи, используемым в философской литературе. Однако обсуждение этих определений в эпидемиологической литературе не учитывает некоторых важных различий и критических замечаний из философской литературы. В частности, важно проводить различие между детерминированными и вероятностными причинами, а также между онтологическими определениями причинности и каузальными моделями, используемыми в научных выводах. Хотя не все эти пять определений являются взаимоисключающими, выбор одного определения над другим имеет серьезные последствия.

Таблица 1

Определения причинно-следственной связи из эпидемиологической литературы

ПРОИЗВОДСТВО

Согласно этому определению, причина — это то, что, короче говоря, создает или производит следствие. Аналогичное понятие состоит в том, что причины влияют на результаты (стр. 637) 9 или вызывают alter результатов.2 Напротив, непричинная ассоциация не включает производство; А совпадает с В, но А не порождает В. Но хотя понятие производства проводит онтологическое различие между каузальными и некаузальными ассоциациями, определение того, что означает «производство» или «творение», расплывчато.Таким образом, неуловимое понятие причинности определяется только в терминах другого столь же неуловимого понятия. Философы давно осознавали слабые стороны этого определения причинности; Дэвид Юм и Бертран Рассел отвергают понятие причинности, поскольку оно сохраняет этот загадочный элемент. 11 Недостатки этого определения также отмечены в эпидемиологической литературе. 13 Таким образом, необходимо более надежное определение.

НЕОБХОДИМЫЕ ПРИЧИНЫ

Многие дискуссии о причинно-следственной связи в эпидемиологии включают концепции необходимых и достаточных причин. Вкратце, необходимая причина — это условие, без которого не может возникнуть эффект , а достаточная причина — это условие, при котором должно возникать действие . (Стр. 191–2) 14 (стр. 4–5) 15 (стр. 326 –7) 16 (стр. 21) 17 (стр. 261) 18 (стр. 27) 19 (стр. 45–47) 20 Из этих двух определений можно вывести четыре различных типа причинных отношений: необходимые и достаточные, необходимые, но недостаточные, достаточные но не обязательно, ни необходимо, ни достаточно.

Незначительное меньшинство эпидемиологов считает, что термин «причина» следует ограничивать очень специфическими необходимыми условиями.21 год 22 Мнение о том, что для их следствия должны быть необходимы все причины, традиционно связывается с микробной теорией болезни, согласно которой каждое заболевание — например, туберкулез — вызывается определенным инфекционным агентом, например туберкулезной палочкой23. Stehbens применяет эту модель. ко всем заболеваниям, утверждая, что ни одно конкретное заболевание не имеет более одной причины. Вместо этого, говорит Стебенс, модели с множеством причин просто указывают на пробелы в научном понимании, поскольку ученые еще не обнаружили единственную конкретную причину или адекватно не определили исход болезни.Так, например, диета с высоким содержанием холестерина не может быть названа причиной сердечных заболеваний21. Чарльтон также утверждает, что фундаментальные науки основаны на концепции необходимых причин и что эпидемиология, чтобы быть научной, должна следовать этой модели22.

Поддержка этого узкого определения причинности в конечном итоге является продуктом давнишнего исторического влияния научного детерминизма. Со времен Галилея и Ньютона классическая физика опирается на мировоззрение, согласно которому сложные явления всегда можно свести к простым детерминированным механизмам.Строгий детерминизм требует взаимно однозначного соответствия между причиной и следствием; одна и та же причина неизменно приводит к одному и тому же результату, без какой-либо роли случайности или стохастической вариации. В биомедицинском контексте физиолог 19 века Клод Бернар утверждал, что для того, чтобы медицина была научной, как физика или химия, она должна распознавать только причины, которые действуют через определенные и детерминированные биологические механизмы (конечно, Бернар писал до вероятностной революции 20 века в физика).24

Но эпидемиологи и патологи, по крайней мере с момента наступления эры хронических болезней, признали, что не все болезни можно отнести к одной необходимой причине.25 Например, сигаретный дым не является необходимым для развития рака легких. Фактически, в некоторых текстах и ​​комментариях по эпидемиологии утверждается, что причины сложных хронических заболеваний, таких как рак и болезни сердца, как правило, попадают в категорию «ни необходимых, ни достаточных». (стр. 175) 14 (стр. 5) 15 (стр. 46) 20Медицина полна таких отношений.Более того, аргументы Чарльтона и Стебенса являются круговыми; они утверждают, что наука никогда не выявляла неспецифических, ненужных причин, потому что они исключают такие причины по определению. В целом, хотя некоторые причины могут быть необходимы для их следствия, эта формулировка неадекватна для определения причинности.

ДОСТАТОЧНО КОМПОНЕНТНЫХ ПРИЧИН

Определение причины, состоящее из достаточных компонентов, сформулированное Ротманом, 26 улучшает представление о необходимых причинах, представленное выше, путем допущения причин, которые не являются ни специфическими, ни строго необходимыми для их следствий.Причина с достаточным количеством компонентов состоит из ряда компонентов, ни один из которых не является достаточным для болезни. Однако, когда присутствуют все компоненты, возникает достаточная причина. Поскольку для достижения одного и того же эффекта может быть достаточно более одного набора компонентов, болезнь может иметь несколько причин. Это определение, по сути, идентично влиятельному изложению в философской литературе, введенному Джоном Стюартом Миллем27 и недавно продвинутому Маки.28 Хотя на практике ученые и практикующие общественное здравоохранение могут сосредоточить свой интерес на конкретном компоненте достаточной причины (таком как табак реклама), истинная причина болезни, согласно этой точке зрения, — это совокупность условий, которые вместе достаточны для болезни.

Но, как и определение необходимой причины, определение причины с достаточным компонентом сохраняет предположение о научном детерминизме, которое часто остается непризнанным. Фактически, существует два способа, по которым причина может быть необходима для некоторого следствия: (1) она может быть необходимой в любых обстоятельствах (туберкулезная палочка необходима для любого случая туберкулеза) или (2) она может быть необходимо только в конкретных обстоятельствах, при которых нет других достаточных причин (облучение ураном не является необходимым предшественником рака легких, но, возможно, для конкретного некурящих уранодобытчика его радиационное облучение было необходимо для его легких рак развился, когда это произошло).Определение причины с достаточным компонентом включает причины, которые не являются необходимыми в первом смысле, но требует, чтобы в рамках данного набора обстоятельств все причины были необходимыми и достаточными. Для человека преобладает фатализм: «эти риски равны единице или нулю, в зависимости от того, заболеет ли человек раком легких» (стр. 9) 29. Таким образом, все события полностью «детерминированы», потому что они возникают или нет. Возникновение полностью определяется сложившимися обстоятельствами.Хотя немногие эпидемиологи открыто придерживаются строгого детерминизма, заслуживает внимания тот факт, что этот принцип лежит в основе широко цитируемого отчета Ротмана.

В чем проблема принципа детерминизма? Некоторые причины, которые выявляют эпидемиологи (или другие ученые-биомедики), демонстрируют однозначное соответствие их последствиям. У курильщиков чаще развивается рак легких, но курение само по себе не является необходимым или достаточным для развития рака легких. Определение причины с достаточным количеством компонентов постулирует, что курение является одним из элементов достаточной причины, а другие элементы просто еще не определены.Но это твердое убеждение, которого следует придерживаться при отсутствии эмпирических данных. Короче говоря, определение причины с достаточным количеством компонентов требует, чтобы мы допустили существование бесчисленных скрытых модификаторов эффекта, чтобы превратить любую неидеальную корреляцию в чистый детерминизм. Более того, поскольку многие причины, выявленные с помощью эпидемиологии, являются слабыми, мы должны были бы предположить, что многие из этих модификаторов скрытых эффектов оказывают гораздо более сильные эффекты, чем те, которые имеют известные, наблюдаемые причины. Без сомнения, существует множество неизвестных модификаторов эффектов, но предположить (при отсутствии доказательств), что они должны существовать во всех уголках природного мира, — не меньшее предположение.Возможно ли такое глобальное предположение с биологической точки зрения? Ученые давно отметили, что биологические процессы часто не ведут себя детерминированно30. 31 год

Определение причины с достаточным количеством компонентов также затрудняет создание моделей, отражающих динамику причинно-следственных связей. Поскольку достаточная причина полностью достаточна для ее следствия, она не может легко объяснить, как изменения в количестве составляющей причины (скажем, дозы антибиотика) могут привести к соответствующему изменению эффекта (скажем, успешному устранению инфекции). ).Ротман26 отвечает на это беспокойство, предлагая набор достаточных причин, каждая из которых включает различную дозу различных компонентов причины (антибиотика). Проблема с такой реакцией заключается в том, что она по-прежнему не позволяет уловить отношения доза-реакция как континуум, а не как серию отдельных шагов. Это также онтологически громоздко, привнося ненужную сложность в явление, которое легче объяснить другими способами (как мы обсудим в следующем разделе) исключительно для того, чтобы сохранить представление о причине достаточного количества компонентов.В более широком смысле, как отмечается в литературе, аналогичные опасения применимы и к трактовке взаимодействия с точки зрения 32-34. В целом, точка зрения с достаточными компонентами причин имеет существенные недостатки как определение причинной связи для эпидемиологии.

ВЕРОЯТНАЯ ПРИЧИНА

Некоторые комментаторы и учебники дали «вероятностное» или «статистическое» определение причинности, 1 12 15 19 35-37, где причина увеличивает вероятность (или шанс) того, что ее следствие произойдет. Например, один источник определяет «причину рака как фактор, увеличивающий вероятность развития рака у человека.37 Согласно этому определению, возникновение рака у человека может быть отчасти случайным (то есть это «стохастический» или «недетерминированный» процесс). Таким образом, вероятностная причина может быть ни необходимой, ни достаточной для болезни. Однако определение также не исключает необходимых и достаточных причин; достаточная причина — это просто такая причина, которая увеличивает вероятность ее возникновения до 1, а необходимая причина увеличивает эту вероятность с 0,

.

Вероятностная причинность предлагает альтернативу детерминизму, присущему необходимой и достаточной причинности.В последние годы философы науки разработали сложные теории вероятностной причинности для объяснения явно недетерминированных процессов.38-44 Эти теории предоставляют средства для построения моделей взаимодействия и отношений доза-реакция в количественном выражении через континуум значений вероятности42. Например, соотношение между дозой и, скажем, вероятностью возникновения эффекта можно описать математически. Таким образом, эти вероятностные теории лучше подходят для существующих эпидемиологических инструментов измерения эффекта.

Вероятностное определение причинной связи является более всеобъемлющим, чем определение причины с достаточным компонентом; в то время как необходимые и достаточные причины могут быть описаны в вероятностных терминах, вероятностные причины не могут быть описаны детерминированным языком. Кроме того, вероятностное определение делает меньше биологических допущений, поскольку не требует веры в бесчисленное количество скрытых модификаторов эффекта для каждой корреляции, которая не является идеальной. Наука стремится делать как можно меньше предположений, и предположение (по определению) о том, что вероятностных причин быть не может, противоречит этому духу.

Простое исправление позволяет использовать «круговые» диаграммы Ротмана для причин с достаточным количеством компонентов26 для представления сложных вероятностных причин. Просто представьте, что компоненты вместе способствуют вероятности эффекта, а не являются достаточными для него. Если один компонент отсутствует, вероятность уменьшается. Сами Ротман и Гренландия29 предлагают способ учета стохастических явлений. Они предполагают, что наличие или отсутствие одного компонента может быть определено случайным процессом; однако при их подходе связь между причиной и следствием остается детерминированной, но ее просто труднее предсказать.

Хотя вероятностные определения появились в эпидемиологической литературе, мало обсуждалось их сильные и слабые стороны или их связь с другими определениями. Одно из опасений, которое может возникнуть в отношении вероятностного определения, заключается в том, что оно не может объяснить, почему у некоторых курильщиков развивается рак, а у других нет, и именно к этому стремится вся «вся дисциплина эпидемиологии». (Стр. 205) 1 Следовательно, вероятность — это « эвфемизм невежества ». Однако на это беспокойство можно ответить, отметив, что вероятностное определение допускает возможность того, что другие неоткрытые причины также могут иметь место. Недавно обнаруженный генетический фактор может показать, что курение резко увеличивает риск рака легких для некоторых людей, но оказывает лишь умеренное влияние на других. Нет причин предполагать, что причина увеличивает риск каждого человека на одну и ту же величину. Фактически, из-за математического континуума вероятности вероятностная модель допускает более широкий диапазон возможных эффектов. Риски для отдельных лиц могут различаться по большому счету, чем просто равняться вероятности 1 или 0.

ключевых точек
  • В эпидемиологической литературе существует множество определений причинно-следственной связи, но некоторые известные отчеты основываются на необоснованных биологических предположениях.

  • Вероятностное определение причинно-следственной связи, наряду с понятием контрфактов, позволяет избежать этих предположений и предлагает практические преимущества для эпидемиологии.

  • Исключительное внимание к событиям на молекулярном уровне было связано с чрезмерно ограничительным определением причинной связи.

  • Требования к эффективному определению причинно-следственной связи следует отличать от требований к построению полезной причинно-следственной модели в конкретном расследовании.

Другая проблема заключается в том, что остается неясным определение того, что означает сказать, что курение повышает вероятность развития рака легких на . Например, статистики Кокс и Холланд45 46 оба возражают против известного философского объяснения вероятностной причинности38 на этом основании. Они утверждают, что определение причинно-следственной связи, основанное на статистическом неравенстве (то есть, вероятность следствия отличается, когда причина присутствует, чем когда она отсутствует), неадекватно.Олсен высказывает аналогичную критику. (стр. 3) 35 Как в таких случаях можно провести различие между причинными отношениями и непричинными ассоциациями? Чтобы решить эту проблему, к определению необходимо добавить еще один элемент — контрфактический момент.

КОНТРАФАКТЫ

Некоторые статистики и эпидемиологи выступают за контрфактическое определение причинно-следственной связи.46-48 Контрфактическое утверждение проводит контраст между одним результатом при определенных условиях и другим результатом при альтернативных условиях.Например, «если бы час назад я принял два аспирина вместо стакана воды, моя головная боль исчезла бы». Таким образом, Рубин определяет причинный эффект лечения Т, по сравнению с отсутствием лечения, как результат при условии Т минус результат при отсутствии Т. 47. Для определения требуется условие при прочих равных, чтобы все остальное оставалось неизменным.

Противодействие может быть детерминированным или вероятностным. Контрфактический вариант аспирина можно изменить следующим образом: «Если бы час назад я принял два аспирина вместо одного стакана воды, у меня было бы гораздо меньше шансов по-прежнему болеть голова.Некоторые недавние философские объяснения вероятностной причинности включают контрфакты39. 40 43 44 Например, согласно определению Картрайта43 C вызывает E, если вероятность E при C больше, чем вероятность E при отсутствии C, в то время как все остальное остается постоянным.

Контрфактическое определение не противоречит определениям необходимой причины, достаточной составляющей причины или вероятностной причины. Скорее, контрфакты формулируют дополнительный атрибут, который, как мы подозреваем, усилит любое определение причинности , усилив различие между причинностью и простой корреляцией.В то время как некоторые комментаторы подчеркивали роль контрфактов больше, чем другие, никто не утверждал, что причины не действуют в соответствии с контрфактами. Тем не менее, контрфактического определения недостаточно как определения причинной связи. В то время как контрфактическое определение, по существу, утверждает, что наличие или отсутствие причины «имеет значение», необходимые и достаточные, достаточные компоненты и вероятностные определения проясняют, какое вид различий оно должно иметь значение; с вероятностной точки зрения причина влияет на вероятность следствия.

Однако при прочих равных условиях следует интерпретировать осторожно. Хотя условие ceteris paribus является ключом к различению причинной связи от непричинных ассоциаций в теории, оно не предназначено для выполнения на практике. Действительно, это условие редко выполняется в реальных научных исследованиях; то есть, одного и того же человека нельзя наблюдать в одинаковых обстоятельствах, как курильщик и некурящий.46 Кархаузен ошибочно возражает, что вероятностное определение, данное философами науки43, слишком строгое для эпидемиологической практики, потому что оно определяется через состояние при прочих равных условиях.12

Следует избегать этой путаницы между критериями определения причины (онтология) и критериями определения причины эмпирическим путем (эпистемология). Некоторые эпидемиологи не смогли провести это различие, в том числе вмешательство как часть определения причины46. 49 или ссылаясь на наблюдаемых относительных частот при формулировании вероятностного определения причинной связи. (стр.263) 18 35 Но определение причины не должно зависеть от того, какие различия были измерены или было ли предпринято конкретное вмешательство.Скорее, состояние при прочих равных условиях является гипотетическим (то есть зараженный колодец на Брод-стрит является причиной эпидемии холеры, когда , если насос Брод-стрит был отключен, , тогда заболеваемость холерой снизится). Особая осторожность требуется в контексте контрфактических выводов, поскольку они часто используются не только при определении причинной связи, но и при построении причинных моделей для научных выводов50. 51

Мы утверждаем, что вероятностное определение в сочетании с контрфактическим условием, подобное предложенному Картрайтом, дает самые большие надежды для эпидемиологии.Это согласуется как с детерминированными, так и с вероятностными причинно-следственными моделями, рассматривая детерминированные модели как предельный или крайний случай. Таким образом, он также делает меньше предположений о ненаблюдаемых природных явлениях, устраняя необходимость всегда устанавливать скрытые детерминированные составляющие причины. В то время как причинная модель конкретного явления может постулировать скрытые механизмы, определение требует обобщения и должно делать несколько предположений. Так почему же некоторые комментаторы продолжают сопротивляться вероятностному определению? Различные взгляды на роль эпидемиологии по отношению к другим наукам и практике общественного здравоохранения влияют на выбор причинно-следственных моделей.В следующих двух разделах мы объясняем, как проблемы определения причинно-следственной связи связаны с двумя текущими дебатами в эпидемиологии.

Причинно-следственная связь на многих уровнях

Существует ли иерархия причинно-следственной связи на разных уровнях наблюдения? Согласно предыдущему обсуждению, нет никаких оснований утверждать, что причины на одном уровне, такие как молекулы, более реальны или значительны, чем причины на другом уровне, например, социальные факторы. Тем не менее, приоритетность различных уровней наблюдения является предметом дискуссий в эпидемиологической литературе. В 1973 г. Сассер20 описал важность признания различных уровней организации при оценке причинных гипотез. За последние 15 лет много чернил было пролито на ценность стратегий «черного ящика» для исследования причинно-следственных связей.52-54 Критики эпидемиологии «черного ящика» утверждали, что научное понимание можно продвинуть, только заглянув внутрь черного ящика, чтобы понять лежащие в основе механизмы, связывающие причину и следствие на биологическом уровне.55 56 Совсем недавно защитники важности социальных факторов в болезни утверждали, что причинные явления на социальном уровне не могут быть полностью сведены к биологии или индивидуальному поведению, например, к курению.57-60 Например, качественные характеристики района могут повлиять на состояние здоровья на индивидуальном уровне, например, случаи гонореи61; эти характеристики района невозможно уловить, рассматривая только характеристики отдельных жителей (например, доход). Эта дискуссия имеет большое значение для распределения ресурсов на исследования и вмешательство.

Какое это имеет отношение к обсуждаемым различным понятиям причинности? Короче говоря, позиции в дебатах о черном ящике поляризованы в том же направлении, что и при обсуждении различных определений причинности (в частности, детерминированного и вероятностного).Сторонники точки зрения строгой необходимой причины настаивают на том, что причины следует выявлять на уровне внутренних биологических механизмов (а не на уровне поведенческих или социальных факторов) 21. 22 24 И те, кто выступает за важную роль эффектов социального и группового уровня8 57 62 также критически относятся к достаточным компонентам причины и определениям необходимой причины, предлагая вместо этого более широкую категорию причинности.

Эти различия, в свою очередь, соответствуют разным типам научных объяснений.При разработке причинного объяснения наблюдаемой ассоциации среди непрофессионалов и ученых существует популярная тенденция отдавать приоритет знаниям на молекулярном уровне63. Например, в 1950-х годах скептики сомневались в том, что модели курения сигарет могут служить достаточным объяснением состояния легких. возникновение рака. Вместо этого они искали весьма конкретную необходимую причину (молекулу в сигаретном дыме), которая могла бы обеспечить взаимно однозначную корреляцию с исходом заболевания, таким образом давая, казалось бы, более полное объяснение.64 За этой верой скрывается предположение, что возникновение рака легких можно полностью свести к причинам на молекулярном уровне и объяснить этими причинами, и что эти причины действуют детерминированно. Однако среди биологов этот простой редукционизм подвергался широкой критике.65 Напротив, Сассер и Сассер недавно призвали к эпидемиологической теории, объединяющей разрозненные явления, от причинных путей на социальном уровне до патогенеза на молекулярном уровне; это многоуровневые объяснения.66

Вероятностные причины часто обвиняют в том, что они предлагают только неполные объяснения, потому что они сохраняют неснижаемый элемент случайности. Философы науки середины 20-го века утверждали, что маловероятные события нельзя объяснить. 67 Но более поздние ученые отвергли эту точку зрения, утверждая, что вероятностные причины предлагают частичное объяснение конкретных результатов40. 41 год 68 Эта точка зрения более точно отражает эпидемиологическое мышление. Однако в этом контексте важно, опять же, различать удовлетворительную причинную модель и определение причинной связи.При разработке причинно-следственных моделей ученые иногда действительно стремятся максимально уменьшить влияние случайности, поскольку это может быть обратно пропорционально объяснительной способности модели. Хотя утверждение о том, что курение вызывает рак легких, объясняет различия в заболеваемости раком легких между группами, оно не объясняет, почему у некоторых курильщиков развивается рак легких, а у других — нет. Все еще есть надежда, что последнее можно в конечном итоге полностью объяснить детерминированными молекулярными механизмами. Мы не возражаем против использования детерминированных моделей там, где это необходимо.Но определение причинно-следственной связи должно учитывать возможность того, что случайность присуща некоторым естественным процессам. Вероятностное определение причинности позволяет построить как детерминированные, так и вероятностные модели, которые необходимы как для биологических, так и для социальных наук.

Сравнение практических и научных целей эпидемиологии

Ряд комментаторов проводят различие между строгим «научным» или «логическим» определением причинности и более гибким практическим определением.9 12 37 49 Они делают это, потому что считают, что цели науки и общественного здравоохранения различны. Основная цель общественного здравоохранения — «вмешаться для снижения заболеваемости и смертности от этого заболевания» (стр. 3) 2. Напротив, основная цель науки, как обычно утверждается, состоит в том, чтобы объяснить мир; такие исследования могут привести или не привести к эффективным стратегиям общественного здравоохранения.

Таким образом, некоторые рекомендуют эпидемиологам отказаться от традиционной научной концепции причин как необходимых и достаточных условий в пользу более широкой концепции с большей практической ценностью.9 57 В этом контексте часто цитируют Бунге, философа науки, который утверждает, что существует больше форм детерминации, чем строгий детерминизм.69 Даже некоторые сторонники детерминизма признают, что, хотя вероятностные причинно-следственные модели не совсем точны, они могут дать быстрые и быстрые результаты. грязные описания явлений, которые могут быть полезны19. Таким образом, Ротман предполагает, что, хотя индивидуальный риск заболевания в момент времени T должен быть либо 1, либо 0, вероятностные заявления о рисках можно рассматривать как утверждения о вероятности наличия достаточной причины.(стр.589) 26

Тем не менее, это практическое понятие причинно-следственной связи, как правило, рассматривается как меньший компромисс с более надежным «научным» понятием причины из-за давнишнего допущения о детерминизме.70 К сожалению, утверждения эпидемиологии кажутся практическими, но не совсем научный; Скептики эпидемиологических методов могут задаться вопросом: если эпидемиологи используют ненаучное определение причинно-следственной связи, как можно ожидать от них выявления истинных причин? Проведение различия между «научным» и «практическим» определениями причинно-следственной связи дополнительно способствует давнему противоречию в рамках дисциплины эпидемиологии между приверженностью науке и приверженностью общественному здравоохранению.Некоторые недавние комментаторы отреагировали на это противоречие, ограничив границы эпидемиологии и заявив, что эта дисциплина лучше всего способствует общественному здравоохранению, поддерживая научную строгость и отделяя науку от политики общественного здравоохранения71.

Однако мы считаем, что четкое и эффективное определение причинно-следственной связи для эпидемиологии должно соответствовать целям как науки, так и общественного здравоохранения. Хотя эпидемиологи могут обсуждать их надлежащую роль в общественном здравоохранении, очевидно, что эпидемиологию нельзя отделить от применения ее результатов.Хотя ранее мы утверждали, что вероятностный взгляд на причинно-следственную связь согласуется с современными теориями биологической науки, здесь мы отмечаем, что он также имеет некоторые явные преимущества для применения причинно-следственных связей в практических усилиях в области общественного здравоохранения.

Для общественного здравоохранения часто недостаточно знать, что «x является частью совокупности условий, достаточных для y». Усилия общественного здравоохранения нацелены на конкретные причины, выбранные из практических соображений72, а не на совокупность причин Милля.Более того, количественная оценка относительного вклада различных типов причин важна, но причины с достаточным количеством компонентов и необходимые причины здесь мало помогают. Ротман и Гренландия отмечают, что для многих болезней можно сказать, что они на 100% вызваны генетикой и на 100% — окружающей средой, поскольку соответствующие достаточные причины содержат как генетические, так и экологические компоненты.29 Влияние необходимой или достаточной причины невозможно измерить. в градусах; его эффект — все или ничего.Вероятностный взгляд на причинно-следственную связь, однако, объясняет, как разные причины могут оказывать разную степень влияния на следствие, ссылаясь на величину, на которую каждая причина увеличивает вероятность следствия.

Более того, вероятностное определение уже подразумевается в практических рассуждениях о причинах в эпидемиологии и общественном здравоохранении. Что имеет в виду врач, когда говорит пациенту, что он может снизить риск развития рака легких, отказавшись от курения? Означает ли она, что он может быть одним из тех людей, для которых курение может стать последним компонентом достаточной причины рака легких? Подразумевается, что если бы он только знал статус других составляющих причин (то есть несет ли он правильную форму гена x?), Ему, возможно, не пришлось бы бросать курить в конце концов.Но такая точка зрения упрощает суть рекомендаций общественного здравоохранения. На практике клиницист имеет в виду, что отказ от курения фактически снизит вероятность развития рака легких у человека — не снизит ее с 1 до 0, а значительно снизит ее. Таким образом, детерминированное допущение о модификаторах скрытого воздействия скорее помешает, чем поможет усилиям общественного здравоохранения. Используемое базовое определение причинно-следственной связи важно и для других применений эпидемиологических данных, например, в случаях токсического правонарушения; в этих случаях неявное предположение о детерминированной причинно-следственной связи привело к тому, что некоторые суды применили необоснованные критерии для оценки эпидемиологических данных.73 74

Заключение

Мы использовали как эпидемиологическую, так и философскую литературу по причинно-следственной связи, но философы и эпидемиологи, конечно, преследуют очень разные объекты исследования. В то время как философов интересуют общие принципы причинно-следственной связи, эпидемиологов обычно интересуют конкретные примеры причинно-следственных связей. Таким образом, философы ищут определения, а эпидемиологи конструируют причинные модели. Однако мы утверждали, что убеждения и предположения эпидемиолога о причине имеют практические последствия, поскольку причинные модели строятся в пределах, установленных этим определением, которое имеет в виду эпидемиолог (явным или неявным).Таким образом, если предполагается детерминированное определение причинности, только детерминированные модели будут признаны причинными. Поскольку причинно-следственная связь занимает центральное место в деятельности эпидемиологов, мы утверждаем, что чрезвычайно важно, чтобы эпидемиологи понимали последствия применения конкретного определения причинной связи.

Мы выступаем за использование вероятностного определения причинно-следственной связи, потому что оно является более всеобъемлющим, чем определения причин, необходимых, достаточных и достаточных компонентов. Детерминированные модели можно рассматривать как крайние случаи вероятностного определения; таким образом, вероятностное определение включает понятие необходимых и достаточных причин.Кроме того, есть некоторые концепции, хотя и недостаточные для определения причинной связи, но без которых невозможно обойтись в ни в каком причинном определении — контрфактуальности, производство и временность. Кроме того, вероятностное определение не требует предположений о скрытых биологических механизмах (наблюдаемые вероятностные явления всегда сводятся к некоему основному детерминированному механизму).

Тем не менее, определение само по себе не является теорией причинности; предстоит провести дополнительную концептуальную работу по дальнейшему уточнению природы причинной связи.К сожалению, философское мышление о причинно-следственных связях в значительной степени определялось физическими науками, сосредоточившими внимание на простых цепочках событий, а не на сложных многоуровневых отношениях, составляющих биологию. Таким образом, эта область требует дальнейших исследований. Как связаны объяснения на разных уровнях, от молекулярного до социального? И необходимо дальнейшее исследование отношения между понятиями причинности и причинного вывода. Рекомендации по составлению причинно-следственных выводов могут отличаться в зависимости от того, как определяется причинность.Поскольку вывод о причинно-следственной связи лежит в основе деятельности эпидемиологов, теоретическое изучение причинно-следственной связи имеет важные последствия для повседневной эпидемиологической практики.

Благодарности

Авторы благодарны Эллен Вели, Стиву Гудману, Мервину Сассеру, Майклу С. Крамеру, Карен Гудман, Фреду Суппе и двум анонимным рецензентам за обсуждения и комментарии к более ранним версиям этой рукописи.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *