प्रत्यक्ष और अप्रत्यक्ष प्रभावों के लिए पहचान्यता और विनिमेयता

हम एक एक्सपोज़र के प्रत्यक्ष प्रभावों को एक मध्यवर्ती चर के माध्यम से प्रेषित प्रभावों (अप्रत्यक्ष प्रभाव) से अलग करने की समस्या पर विचार करते हैं। हम यह दिखाते हैं कि मध्यवर्ती चर के लिए समायोजन, जो प्रत्यक्ष प्रभावों का अनुमान लगाने का सबसे सामान्य तरीका है, पूर्वाग्रहित हो सकता है। हम यह भी दिखाते हैं कि यहां तक कि एक यादृच्छिक क्रॉसओवर ट्रायल में, प्रत्यक्ष और अप्रत्यक्ष प्रभावों को विशेष स्वीकृतियों के बिना अलग नहीं किया जा सकता; दूसरे शब्दों में, जब केवल एक्सपोज़र को यादृच्छिक किया जाता है, तो प्रत्यक्ष और अप्रत्यक्ष प्रभावों को अलग से पहचाना नहीं जा सकता। यदि एक्सपोज़र और मध्यवर्ती कभी बीमारी का कारण बनने के लिए बातचीत नहीं करते हैं और यदि मध्यवर्ती प्रभावों को नियंत्रित किया जा सकता है, अर्थात्, एक उपयुक्त हस्तक्षेप द्वारा अवरुद्ध किया जा सकता है, तो एक परीक्षण जो दोनों एक्सपोज़र और हस्तक्षेप का यादृच्छिककरण करता है, प्रत्यक्ष प्रभावों को अप्रत्यक्ष प्रभावों से अलग कर सकता है। फिर भी, अनुमान G-गणना एल्गोरिथम का उपयोग करके किया जाना चाहिए। पारंपरिक समायोजन विधियाँ पूर्वाग्रहित बनी रहती हैं। जब एक्सपोज़र और मध्यवर्ती रोग का कारण बनने के लिए बातचीत करते हैं, तो प्रत्यक्ष और अप्रत्यक्ष प्रभाव एक परीक्षण में भी अलग नहीं किए जा सकेंगे जिसमें दोनों एक्सपोज़र और मध्यवर्ती प्रभावों को अवरुद्ध करने वाला हस्तक्षेप यादृच्छिक रूप से सौंपा गया है। फिर भी, ऐसे परीक्षण में, हम फिर भी एक्सपोज़र-प्रेरित बीमारी के उस हिस्से का अनुमान लगा सकते हैं जिसे मध्यवर्ती के नियंत्रण द्वारा रोका जा सकता है। मध्यवर्ती प्रभाव को अवरुद्ध करने वाले हस्तक्षेप के अभाव में भी, एक्सपोज़र-प्रेरित बीमारी के उस हिस्से का अनुमान G-गणना एल्गोरिथम का उपयोग करके लगाया जा सकता है यदि अतिरिक्त भ्रमण चर पर डेटा प्राप्त किया जाए।