消除干预统计中由混杂因素引起的偏差

由于对第三方因素的混杂，实验和观察性研究经常在结果与描述干预的自变量之间导致虚假关联。即使在随机临床试验中，由于小样本量，混杂也可能不可避免。实际上，这带来了一个问题，因为重新设计和进行新研究要么成本高昂，要么由于例如伦理问题，甚至不可能减轻某些混杂因素的贡献。在此，我们提出一种方法，能够一致地推导假设研究，这些研究尽可能多地保留原始研究中的依赖关系（在数学上可能的前提下），同时去除观察到的混杂因素与自变量之间的任何关联。利用历史研究，我们说明了无混杂场景如何重新估计干预的效应大小。新的效应大小估计代表了假设场景中的一个简洁预测，为从原始数据走向未来研究设计铺平了道路。