Skip to content

GCRI · Health Nexus

Inferência causal para a saúde pública

Causal inference asks whether an intervention or exposure actually changed health outcomes, compared with what would otherwise have happened. In this field it evaluates public health measures, service investments and environmental exposures where randomisation is often impossible, and states the assumptions each estimate rests on.

01Registrar

Inferência causal para a saúde pública, documentada.

Registro do métodoMétodo CTEM
  1. MétodoInferência causal e avaliação de impacto
  2. Applied inHealth Nexus
  3. Página canônicaCommons CTEM
02Candidatura

O que a inferência causal e a avaliação de impacto fazem aqui.

Inferência causal e avaliação de impacto desenvolvem métodos para determinar se e como intervenções ou exposições causam resultados. Elas separam efeitos genuínos de correlação. Em saúde e biossegurança, a inferência causal mostra quais medidas de redução do risco realmente funcionam. Apoia a alocação de recursos para intervenções com efeito demonstrado em riscos conectados. A descrição canônica está no o STEM Commons.

Evaluating public health measures

Difference-in-differences and synthetic control designs compare places that adopted a measure with comparable places that did not, and trends before adoption are examined before any effect is reported.

Exposure-response for heat and air

Time-series and case-crossover designs relate daily exposure to outcomes in the same population, controlling for season and trend, to estimate lagged exposure-response functions.

Impact of access investments

New facilities, fee removals or outreach programmes are evaluated with stepped rollout, regression discontinuity or matching, so the effect on use and outcomes is separated from background change.

03Monitoramento

Avaliação de impacto.

A tela que uma equipe usaria para acompanhar este método: suas medidas, estados e decisões. Os nomes são exemplos e os valores são ilustrativos.

Avaliação de impacto

Health · Causal inference for public health · Run R-9605

Parallel trends holdGCRI · Health Nexus

Estudo de evento

Ficha do método

Método
Inferência causal e avaliação de impacto
Desenho
diferenças em diferenças
Unidades
86
Rótulo
MODELADO

Verificações de robustez

Especificação principal0.06Sim
Excluir os primeiros adotantes0.10Sim
Controle sintético0.11Sim
Impact evaluation: the screen’s structure, terms and states for Health.Example names and illustrative values; a design, not a record or a live system.
04Dados

O que o método consome.

Conjuntos de dados e registros usados pela inferência causal e pela avaliação de impacto nesta plataforma, com o papel de cada um e o rótulo que seus valores carregam. As fontes estão listadas no registro de fontes.

DadosFunçãoRótulo
Routine health information systemsOutcomes before and after interventionsREPORTADO
Policy and measure trackersTiming and stringency of interventionsDECLARADO
Mortalidade e internações diáriasSéries de resultados para estudos de exposiçãoEstatísticas publicadas
Reanálise e campos de qualidade do arSérie ExposiçãoMODELADO
05Assinatura do setor

The sector signature of causal inference for public health.

The sectors causal inference for public health touches and how strongly they depend on each other: what a study has to observe and model together.

Selecione cantos · passe o cursor sobre as linhas6 / 15 relações

Assinatura

A saúde e os seus parceiros

A saúde fornece mão de obra de operação às infraestruturas (0,3), mão de obra agrícola à alimentação (0,3) e pessoal das entidades gestoras à água (0,2).

W · E · I · F · H · B

Setores
4 de 6
Relações
6 de 15
Acoplamento
0.42 parcela do total

Relações mais fortes em jogo

  • Água → Alimentos · irrigação0.8
  • Alimentos → Saúde · nutrição0.7
  • Infraestrutura → Água · tubulações, represas e estações de tratamento0.6
  • Água → Saúde · água potável e saneamento0.7
Valores didáticos para uma cidade-região típica, não medições de nenhum lugar. O acoplamento é a soma da intensidade das relações em jogo, como parte das quinze.
06Validação

Como os resultados são verificados.

As premissas de identificação são testadas por meio de testes placebo, verificações de falseamento e análise de sensibilidade. A replicação em diferentes contextos testa a validade externa.

VerificarComo é feito
Testes de pré-tendência e de placeboEffects are tested in periods and places where none should exist
Sensitivity to unmeasured confoundingBounds or E-values state how strong hidden confounding would need to be to explain the result
Replicação em diferentes contextosEffects are compared across countries or periods before they are generalised

Confundimento não observado e efeitos de transbordamento (spillovers) podem enviesar as estimativas. Efeitos encontrados em um contexto podem não se transferir para outro.

07Métodos e evidência

How causal inference for public health is modelled, measured and tested.

O modelo, os seus pressupostos, os seus dados e a sua incerteza, na forma que um cientista ou engenheiro verificaria. As estruturas seguem métodos publicados. Os valores representados são ilustrativos, não conclusões.

Bandas de incerteza

Até onde pode variar a perspectiva da inferência causal para a saúde pública, apresentada em intervalos e não em uma única linha.

Agora+5+10+15+20+25+30 yaltobaixointervalo muito provávelintervalo provável
Estimativa central
mediana do conjunto
Intervalos
provável e muito provável, na linguagem calibrada do IPCC
Conjunto
membros, cenários e condições iniciais declarados
Ler com
a sensibilidade do resultado a cada entrada
Dispersão ilustrativa de conjunto em uma escala de índice; a forma segue a orientação do IPCC sobre incerteza. Não é uma projeção.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
09Processo

Como decorre o processo.

Process explorer · Process

Causal inference for public health: PRISMA 2020 review reporting

10 steps4 stages

Processo

Causal inference for public health: PRISMA 2020 review reporting

A PRISMA 2020 é uma diretriz de relato para revisões sistemáticas; as etapas seguem sua lista de verificação, não uma sequência obrigatória, e nenhum documento Nexus a adota.

  1. 01 Plan

    1. 01Registro e protocoloRegistro · A equipe de revisãoA diretriz pede os dados de registro, o acesso ao protocolo e quaisquer alterações.
    2. 02Critérios de elegibilidadeRegistro · A equipe de revisãoA diretriz pede os critérios de inclusão e de exclusão e a forma como os estudos foram agrupados.
  2. 02 Encontrar e selecionar

    1. 03Busca: fontes e estratégiasEtapa · A equipe de revisãoA diretriz pede as fontes de informação e as estratégias de busca completas. Não fixa quais fontes são utilizadas.
    2. 04Seleção dos estudosEtapa · A equipe de revisãoA diretriz pergunta como os estudos foram considerados elegíveis, incluindo quantos revisores fizeram a triagem. Não fixa o número de revisores.
    3. 05Diagrama de fluxoRegistroO diagrama de fluxo mostra o número de registros encontrados, o número de estudos incluídos e os motivos de exclusão.
  3. 03 Analisar

    1. 06Coleta de dadosEtapa · A equipe de revisãoA diretriz pergunta como os dados foram coletados dos relatórios e quais itens de dados foram procurados.
    2. 07Risco de viésEtapa · A equipe de revisãoA diretriz pede os métodos e as ferramentas utilizados para avaliar o risco de viés.
    3. 08SínteseModelo · A equipe de revisãoA diretriz pede as medidas de efeito e os métodos de síntese. Não prescreve a meta-análise.
    4. 09Certeza das evidênciasEtapa · A equipe de revisãoA diretriz pede os métodos utilizados para avaliar a certeza e relata o resultado por desfecho. Não indica uma escala de graduação.
  4. 04 Relatório

    1. 10Relatório de revisãoRegistroA diretriz ajuda os autores a relatar por que a revisão foi feita, o que fizeram e o que constataram.

ReportsOutline of an externally published reporting guideline, not a Nexus process and not a record of operation. PRISMA 2020 mainly covers reviews of intervention effects. No Nexus page names it. Every programme is at service level R0.

10Gestão responsável

Quem mantém o método.

Desenvolvimento econômico é guardião da inferência causal e da avaliação de impacto para o consórcio e analisa como ela é aplicada nas plataformas.

12Perguntas

Perguntas e respostas.

Quais são os limites da inferência causal e da avaliação de impacto neste campo?
Confundimento não observado e efeitos de transbordamento (spillovers) podem enviesar as estimativas. Efeitos encontrados em um contexto podem não se transferir para outro.
Como os resultados são verificados?
As premissas de identificação são testadas por meio de testes placebo, verificações de falsificação e análise de sensibilidade. A replicação em diferentes contextos testa a validade externa.
Os valores desta página são reais?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Onde mais este método é aplicado?
A página canônica do método lista todas as plataformas que o aplicam.
RelatóriosContribuir

Contribua com evidências a partir desta página.

Reports é a publicação trimestral do Consortium. O que você sabe sobre este tema pode se tornar evidência, um caso ou uma correção na próxima edição, com crédito a você e publicado sob CC BY 4.0 quando for obra sua.

GCRIHealth NexusGlobal Sector Risk and ResilienceCountry Systems Risk and ResilienceEvidence Brief
Health Nexus

Traga um método, um conjunto de dados ou uma pergunta.

A informação e os pedidos estão abertos hoje. Um pedido recebe uma referência e indica o próximo passo; candidaturas, pagamentos, alocações de computação e registros só abrem quando existem a equipa, os termos e a capacidade de revisão.