Complex systems models for causal inference in social epidemiology.
Complex systems models for causal inference in social epidemiology.
复制标题
DOI：
10.1136/jech-2019-213052
复制
发表时间：
2021-07
影响因子：
6.3
通讯作者：
Murray E
中科院分区：
文献类型：
--
作者：
Kouser HN;Barnard-Mayers R;Murray E
系统模型的设计目的是捕捉多层次的复杂性，是弥合社会流行病学和因果推理之间鸿沟的自然选择工具。在这篇评论中，我们讨论了复杂系统模型的潜在用途，以提高我们对社会流行病学中定量因果效应的理解。为了将系统模型放在上下文中，我们将描述如何使用这种方法来优化 COVID-19 响应资源的分配，以最大限度地减少大流行期间和之后的社会不平等。
Systems models, which by design aim to capture multi-level complexity, are a natural choice of tool for bridging the divide between social epidemiology and causal inference. In this commentary, we discuss the potential uses of complex systems models for improving our understanding of quantitative causal effects in social epidemiology. To put systems models in context, we will describe how this approach could be used to optimise the distribution of COVID-19 response resources to minimise social inequalities during and after the pandemic.
登录
查看更多内容
影响因子：
3.2
作者：
Ebor MT;Loeb TB;Trejo L
通讯作者：
Trejo L
DOI：
10.1186/1742-5573-9-1
发表时间：
2012-02-01
期刊：
Epidemiologic perspectives & innovations : EP+I
影响因子：
--
作者：
El-Sayed AM;Scarborough P;Seemann L;Galea S
通讯作者：
Galea S
影响因子：
4.8
作者：
Badham J;Chattoe-Brown E;Gilbert N;Chalabi Z;Kee F;Hunter RF
通讯作者：
Hunter RF
DOI：
10.15585/mmwr.mm6912e2
发表时间：
2020-03-27
期刊：
MMWR. Morbidity and mortality weekly report
影响因子：
--
作者：
CDC COVID-19 Response Team
通讯作者：
CDC COVID-19 Response Team
影响因子：
158.5
作者：
Arons, M. M.;Hatfield, K. M.;Jernigan, J. A.
通讯作者：
Jernigan, J. A.