El diseño de experimentos (DOE) y los ensayos de control aleatorios son el estándar de oro para determinar las relaciones causales, y JMP es el estándar de oro para el software DOE. Desafortunadamente, muchos estudios con objetivos de inferencia causal no pueden realizarse como EOD debido a la incapacidad de asignar tratamientos aleatoriamente debido a limitaciones prácticas o éticas. El requisito es eliminar el impacto de las variables de confusión que contribuyen al sesgo en las clases de datos observacionales.
Proporcionamos una descripción general de los métodos de inferencia causal prometedores actuales para incluir puntuaciones de propensión, algoritmos de coincidencia y otros enfoques basados en estadísticas para incluir un borrador de guía de la FDA para la industria para datos/evidencias del mundo real. Demostramos varios procedimientos en JMP utilizando una base de datos de estudios retrospectivos que respalda múltiples esfuerzos de investigación clínica para el Programa de Cirugía Cardiotorácica del Centro Médico VA de Houston. Terminamos brindando recomendaciones, consejos y trampas para que el profesional los considere cuando el objetivo es la asociación causal y el DOE no es una opción.
