Inférence causale robuste utilisant des graphes acycliques dirigés : le package R ‘dagitty’

Les graphes acycliques dirigés (DAG), qui offrent des représentations systématiques des relations causales, sont devenus un cadre établi pour l’analyse de l'inférence causale en épidémiologie, étant souvent utilisés pour déterminer les ensembles d'ajustement de covariables afin de minimiser le biais de confusion. DAGitty est une application web populaire pour dessiner et analyser des DAG. Ici, nous introduisons le package R 'dagitty', qui donne accès à toutes les capacités de l'application web DAGitty au sein de la plateforme R pour le calcul statistique, et propose également plusieurs nouvelles fonctions. Nous décrivons comment le package R 'dagitty' peut être utilisé pour : évaluer si un DAG est cohérent avec l'ensemble de données qu'il est censé représenter ; énumérer des DAG 'statistiquement équivalents' mais causalement différents ; et identifier des ensembles d'ajustement exposition-résultat qui sont valides pour des DAG causativement différents mais statistiquement équivalents. Cette fonctionnalité permet aux épidémiologistes de détecter des spécifications causales incorrectes dans les DAG et de faire des inférences robustes qui restent valides pour un éventail de DAG différents. Le package R 'dagitty' est disponible via le Comprehensive R Archive Network (CRAN) à https://cran.r-project.org/web/packages/dagitty/. Le code source est disponible sur github à https://github.com/jtextor/dagitty. L'application web 'DAGitty' est un logiciel libre, sous licence GNU générale publique (GPL) version 2, et est disponible à http://dagitty.net/.