Associatie moet niet worden verward met causaliteit; als X Y veroorzaakt, dan zijn de twee geassocieerd (afhankelijk). Er kunnen echter associaties ontstaan tussen variabelen in de aanwezigheid (d.w.z. X veroorzaakt Y) en afwezigheid (d.w.z. ze hebben een gemeenschappelijke oorzaak) van een causaal verband, zoals we hebben gezien in de context van Bayesiaanse netwerken1.
Wat maakt een verband causaal?
Samenhangsterkte – Hoe sterker de associatie, of omvang van het risico, tussen een risicofactor en uitkomst, hoe groter de kans dat de relatie causaal wordt geacht. Consistentie - Dezelfde bevindingen zijn waargenomen bij verschillende populaties, met verschillende onderzoeksontwerpen en op verschillende tijdstippen.
Wat zijn de richtlijnen om te beoordelen of een verband causaal is?
De belangrijkste van deze richtlijnen zijn 'strength' (een sterke associatie is eerder causaal dan een zwakke), 'consistentie' (een associatie wordt waargenomen in verschillende onderzoeken, onder verschillende omstandigheden, tijden en plaatsen), 'biologische gradiënt' (d.w.z. dosis-respons – het effect zou groter moeten zijn …
Kunnen associaties zowel causaal als niet-causaal zijn?
Het woord, 'geassocieerd' is gepast omdat het zowel causale als niet-causale relaties omvat. 'Verhoogd risico' wordt echter waarschijnlijk geïnterpreteerd als een 'oorzaak', want als A het risico op B verhoogt, impliceert dit dat A B veroorzaakt.
Wat is het verschil tusseneen associatief en een causaal model?
Terwijl het associatieve systeem stimulus A en B eenvoudig met elkaar verbindt, representeert een propositie-causaal model hoe A en B aan elkaar gerelateerd zijn-bijvoorbeeld als voorafgaande oorzaak en volgend gevolg (Pearl & Russell, 2001).
