先画图再计数:因果图与g方法在重症监护证据合成中的应用

Drawing before counting: causal diagrams and g-methods in critical care evidence synthesis

作者信息Vincent Pey, Louis Calvel, François Labaste, Vincent Minville
PMID43026604
期刊Crit Care
发布时间2026-11-13
DOI10.1186/s13054-026-06454-3

实验完整度

低

本文为方法学述评,未提供明确实验方法与验证过程,仅引用他人研究与图例阐释概念。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
在重症监护证据合成中,如何用因果图和g方法明确监测技术改善生存这一因果问题的假设与估计目标?
核心机制
监测通过信息路径(触发决策与治疗)和操作路径(置入相关伤害或延迟)影响生存;针对随时间变化的治疗与混杂反馈,需用边际结构模型等g方法估计策略的总效应。
主要证据
以Nagy等对高级血流动力学监测的荟萃分析、EVERDAC试验、PAC-Man试验及HIV中齐多夫定的g方法示例等文献为例进行方法学论证。
研究意义
作者提出因果图应像随机化、盲法和前瞻性注册一样纳入证据合成流程,使干预改善结局的因果假设显式化。