Tilbake til søkeresultatene

FRIHUMSAM-Fri prosj.st. hum og sam

Advancing Causal Modeling with Coincidence Analysis

Alternativ tittel: Fremme årsaksmodellering med Koinzidensanalyse

Tildelt: kr 12,2 mill.

Mange årsaksstrukturer har en eller begge av følgende egenskaper: (i) årsakene er arrangert i komplekse grupper som bare blir operative når alle komponentene er til stede på riktig måte, som hver for seg isolert er ineffektive eller fører til andre utfall, og (ii) utfall kan oppnås langs alternative årsaksveier slik at når en vei undertrykkes, kan utfallet fremdeles frembringes via en annen. Tradisjonelle metoder for årsaksdataanalyse står overfor ulike problemer når man analyserer strukturer med disse egenskapene. Koinsidensanalyse (CNA) er en metode som er skreddersydd for å analysere data generert av årsaksstrukturer med (i) og (ii). CNA opplever for tiden en økende spredning både innen folkehelse og samfunnsvitenskapene. Men utviklingen av CNA er ikke ferdig. AdCNA-prosjektet vil ta opp fire gjenværende svakheter og begrensninger ved metoden. For det første skal CNAs anvendelighet, som for øyeblikket er begrenset til data med maksimalt 15 faktorer, utvides til data med betydelig høyere dimensjonalitet. For det andre vil vi utvikle CNA-spesifikke slutningstester for å ytterligere forbedre kvaliteten på metodens utgang -- for øyeblikket er ikke kvaliteten høy nok når dataene har små prøvestørrelser og høye støynivåer. For det tredje skal vi utvikle instrumenter for å redusere modell-tvetydigheter, som er spesielt alvorlige når dataene er sterkt fragmentert. For det fjerde vil vi -- i samarbeid med partnere -- utvide omfanget av CNA-applikasjoner til psykologi og epidemiologi ved å bruke CNA i studier om hørselshallusinasjoner og spedbarnsdødelighet. Totalt sett har CNA bevist sin verdi i noen disipliner. Men for å etablere seg i den metodiske verktøykassen til spesialvitenskapene er det nødvendig å få mer algoritmisk kraft og fleksibilitet, mer utgangssikkerhet og bredere spredning. AdCNA-prosjektet skal levere akkurat det.

Coincidence Analysis (CNA) is a method of causal data analysis first introduced in 2009, substantively generalized since then, and now available as an open source software package. In recent years, CNA was applied in numerous studies in public health and in the social and political sciences. It was, for example, used to investigate how different implementation strategies influence patient safety culture in medical homes, or what factors influence the uptake of innovation in hepatitis C virus treatment, or to search for the causes of EU member states’ participation in the military operations in Libya. In contrast to more standard methods of data analysis, which primarily quantify effect sizes, CNA belongs to a family of methods designed to group causal influence factors conjunctively (i.e. in complex bundles) and disjunctively (i.e. on alternative pathways). The development of CNA is not finished. The AdCNA project will address four remaining weaknesses and limitations of the method. First, CNA’s applicability, which is currently limited to data on a maximum of about 15 factors, shall be extended to data of significantly higher dimensionality. Second, we will develop CNA-specific inference tests to further improve the quality of the method’s output—at present, that quality is not high enough when the data have small sample sizes and high noise levels. Third, we shall devise instruments for reducing model ambiguities, which are particularly severe when the data are heavily fragmented. Fourth, by applying CNA in studies on auditory hallucinations and infant mortality, we—in collaboration with partners—will extend the scope of CNA applications to psychology and epidemiology. Overall, CNA has proven its value in some disciplines. But to establish itself in the methodological toolbox of the special sciences, more algorithmic power and flexibility, more output reliability, and wider dissemination are needed. The AdCNA project sets out to deliver exactly that.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

FRIHUMSAM-Fri prosj.st. hum og sam

Finansieringskilder