Directed acyclic graphs in statistical modelling of epidemiological studies

Fabiola Werlinger,Dante D Cáceres

doi:10.4067/s0034-98872018000700907

Fabiola Werlinger, Dante D Cáceres

Open Access

https://doi.org/10.4067/s0034-98872018000700907

Copy DOI

Abstract

Confusion in observational epidemiological studies distorts the relationship between exposure and event. "Step by step" regression models, diverts the decision to a statistical algorithm with little causal basis. Directed Acyclic Graphs (DAGs), qualitatively and visually assess the confusion. They can complement the decision on confounder control during statistical modeling. To evaluate the minimum set of confounders to be controlled in a cause-effect relationship with the use of "step-by-step regression" and DAGs, in a study of arsenic exposure. We worked with data from Cáceres et al., 2010 in 66 individuals from northern Chile. The interindividual variability in the urinary excretion of dimethyl arsenic acid attributable to the GSTT1 polymorphism was estimated. A causal DAG was constructed using DAGitty v2.3 with the list of variables. A multiple linear regression model with the step-by-step backwards methodology was carried out. The causal diagram included 12 non-causal open pathways. The minimum adjustment set corresponded to the variables "sex", "body mass index" and "fish and seafood ingest". Confusion retention of the multivariate model included normal and overweight status, gender and the interaction between "water intake" and GSTT1. The use of DAG prior to the modeling would allow a more comprehensive, coherent and biologically plausible analysis of causal relationships in public health.

Highlights

Directed acyclic graphs in statistical modelling of epidemiological studies Background: Confusion in observational epidemiological studies distorts the relationship between exposure and event
Con la autorización previa de todos sus autores, se trabajó con los datos del modelamiento realizado por Cáceres et al, 201028 en una muestra de 66 participantes crónicamente expuestos a arsénico en agua potable, residentes en la ciudad de Antofagasta, en el norte de Chile
Epidemiology [revista en internet] 2007 [acceso julio de 2016]; 18 (5): 569-72

Summary

Material y Método

Con la autorización previa de todos sus autores, se trabajó con los datos del modelamiento realizado por Cáceres et al, 201028 en una muestra de 66 participantes crónicamente expuestos a arsénico en agua potable, residentes en la ciudad de Antofagasta, en el norte de Chile. La variante polimórfica de la enzima de GSTT1 fue incorporada como variable modificadora del efecto directo de la exposición a arsénico (“ingesta de agua”) sobre la excreción urinaria del ADMA (resultado), de acuerdo a lo sugerido por Weinberg (2007)[31]. La evaluación del DAG final se desarrolló con la metodología adaptada de Shrier and Platt’s, 200819, con un set mínimo de ajuste (SMA) sin pasos intermedios entre la exposición y el resultado, eliminando variables que no intervienen en la relación causal e identificando probables asociaciones inducidas por el ajuste de colisionadores[19,27]. La variable resultado correspondió al ADMA, la variable de exposición a la “ingesta de agua” y el resto a covariables del modelo, agregando en cada uno el efecto de interacción “GSTT1*ingesta de agua”[18,32].

Escala de medición

Modelo con SMA de DAG