Bài giảng 108: Collider - sai lệch đồng căn.

[@minhcongnguyen5917]

Thầy ơi, ví dụ em đang đưa ra mô hình dự đoán mRNA1 là predictor cho Disease A. Trước đó, ta đã đã biết việc tăng biểu hiện mRNA2 là cause của Disease A đó. Nếu như biết được mRNA2 tác động lên mRNA1 thì mRNA2 là confounder (mRNA2 vừa làm tăng biểu hiện mRNA1, vừa làm gây bệnh A)=> em cần phải hiệu chỉnh mô hình, tức là Diseases A ~ mRNA1 + mRNA2 để kết luận xem mRNA1 có thể là predictive marker cho Disease A hay không. Nếu như biết được mRNA1 tác động lên mRNA2 (mRNA1 làm tăng biểu hiện mRNA2, rồi mRNA gây bệnh A) thì không cần hiệu chỉnh mô hình, tức là sử dụng Disease A ~ mRNA1 để kết luận mRNA1 là predictive marker cho Disease A. Tuy nhiên nếu như không biết được mối quan hệ giữa mRNA1 và mRNA2 đâu là nguyên nhân, đâu là kết quả thì ta nên dùng mô hình nào ạ? Em thấy đa phần mọi người đều chỉ đơn giản sử dụng mô hình Diseases A ~ mRNA1 để kết luận, bất kể việc có thể tồn tại 1 confounder mRNA2 nào khác hay không, liệu làm như vậy có chính xác không ạ? Xin cảm ơn thầy ạ.