10.3969/j.issn.1006-7795.2022.04.012
知识图谱:一种系统性构建因果图的方法
因果推断(相对于相关性分析)是基于大数据的观察性研究的主要目标.因果图通过有向无环图(directed acyclic graph,DAG)整合大量先验知识将变量之间复杂的因果关系可视化,已成为合理制定因果推断策略的重要工具.然而目前因果图的构建主要依赖专家知识和经验,亟需从整个医学知识体系的角度进行系统化构建,从现有出版物中进行医学知识提取是系统构建DAG的基础,本文将系统介绍基于美国国立卫生研究院SemMedDB数据库研发的结构化医学知识体系平台.本文尝试从跨学科角度,将因果图定义为研究问题涉及概念(头概念和尾概念)及其所有第三方变量之间的复杂网络,提出系统化构建DAG提供新策略:一是将知识图谱修剪为因果图;二是将基于人群-干预/暴露-对照-结果(population-interventions/exposure-comparisons-outcomes,PI/ECO)框架的证据结论合成为因果图.
因果图、知识图谱、证据合成、混杂变量、中间变量、对撞变量
43
G25(图书馆学、图书馆事业)
国家自然科学基金;中国科协青年人才托举工程项目;北京大学医学部人才启动经费项目
2022-07-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
584-591