Probabilistic Causality in Longitudinal Studies

در بسیاری از زمینه‌های کاربردی آمار، مفهوم علیت در تحقیقات علمی مرکزی است. هدف نویسنده در این کتاب این است که نظریه‌های کلاسیک علیت احتمالی را به تنظیمات طولی بسط دهد و پیشنهاد کند که سؤالات علّی جالب می‌توانند به تأثیرات علی مرتبط باشند که می‌توانند در زمان تغییر کنند.
روش پیش‌بینی پیشنهادی در این مطالعه چارچوبی را برای مطالعه دینامیک و بزرگی اثرات علی در یک سری رویدادهای وابسته فراهم می‌کند. سودمندی آن با تجزیه و تحلیل دو نمونه از زیست پزشکی، یکی در پیوند مغز استخوان و دیگری در بیمارستان روانی نشان داده می شود.
در نتیجه، محققان آماری و سایر دانشمندانی که درگیر شناسایی روابط علّی هستند، این را رویکردی جالب و جدید برای این مشکل خواهند یافت.

In many applied fields of statistics the concept of causality is central to a scientific investigation. The author's aim in this book is to extend the classical theories of probabilistic causality to longitudinal settings and to propose that interesting causal questions can be related to causal effects which can change in time.
The proposed prediction method in this study provides a framework to study the dynamics and the magnitudes of causal effects in a series of dependent events. Its usefulness is demonstrated by the analysis of two examples both drawn from biomedicine, one on bone marrow transplants and one on mental hospitalization.
Consequently, statistical researchers and other scientists concerned with identifying causal relationships will find this an interesting and new approach to this problem.