摘要：2025年3月21日，医学顶刊《BMJ》（医学一区top，IF=93.6）发表了一篇方法学文章，题为：“How to use directed acyclic graphs: guide for clinical researchers”，介绍了如何构建、解释

2025年3月21日，医学顶刊《BMJ》（医学一区top，IF=93.6）发表了一篇方法学文章，题为：“How to use directed acyclic graphs: guide for clinical researchers”，介绍了如何构建、解释和展示有向无环图作为临床研究的一部分，以及它们如何帮助传达研究的优势或局限性。

在真实世界研究中，因果有向无环图（DAGs）可用于多种目的，例如帮助识别混杂因素、评估潜在的选择偏倚，以及理解测量误差和缺失数据可能对效应估计的影响。 这篇文章重点关注观察性研究，其目标是估计暴露对结局的总效应。

尽管 DAG 具有潜在的实用价值，但在实际应用中的差异可能会限制其有效性。在对 234 篇使用 DAG 的研究文章的回顾中，研究人员发现这些图的使用在不断增加，但使用方式差异较大，且相对较少的研究报告了关键信息。

因此，在本文中，研究者探讨了 DAG 在生物医学研究中的重要性，强调了其局限性，并提出在临床研究中如何以协作方式构建和传播 DAG 的建议。

如何使用有向无环图：临床研究人员指南

1.有向无环图的定义

2.有向无环图在临床研究中的应用

识别混杂因素和最小充分调整集

识别中介变量

识别碰撞变量和选择偏倚

3.在临床研究中实施有向无环图

步骤 1：确定目标人群并明确研究问题，精准定义暴露或治疗及感兴趣的结局

步骤 2：通过查阅文献并与相关领域专家（包括熟悉构建有向无环图的专家）讨论，识别所有涉及因果效应的变量

步骤 3：与其他专家共同开发有向无环图，直至达成共识，并在任何预注册研究中包含共识 DAG

步骤 4：基于共识有向无环图，确定数据收集所需的变量或合适的数据集；若使用已有数据，应考虑哪些变量影响选择过程

步骤 5：根据研究问题（步骤 1）和共识有向无环图（步骤 3）确定分析方法、结局和暴露的测量方式，以及协变量

步骤 6：基于不可用或易受测量误差影响的变量，确定敏感性分析，以量化未测量变量或测量误差的潜在影响

步骤 7：在未来的研究发表中包含有向无环图，并在描述调整集和敏感性分析时引用它

4.有向无环图的缺点和局限性

5.如何报告有向无环图

文章篇幅很长，干货满满，非常值得学习。

有兴趣的朋友可以在下方给我们评论或者私信我们哦！！

来源：统计医研库