混同に要注意！　＜因果関係　≠　相関・関連＞
「因果関係がある」とは？（諸説あり）
“他の因果解釈可能性を排除したうえで” 「要因XはアウトカムYに影響する」と言えること
「他の因果解釈可能性を排除した因果効果」とは？
①交換可能性
②一致性　　　　➡重要なのは、要因X以外のすべての背景が、対象者全員同じであること
③正値性
　➡これを満たす仮定のもとで計算される
　　対象者全員が要因X「あり」の場合のアウトカムYと、全員が要因X「なし」の場合のアウトカムYとのちがい
　➡計算方法；「反事実」を用いた因果推論（Rubin流の因果推論）を活用
　；現実世界で要因X「あり/無し」の対象者が、「もし要因Xがなかった/あった場合の“潜在アウトカム”」の導入
※リアルワールドデータRWD（観察研究）で「因果」を言いたいなら　➡　↑３条件の克服が必須
　＝ 「要因Xを持ちやすい背景」（バイアス）、逆因果等の制御
　➡ドメイン知識（各疾患の患者背景）とDAGに基づく背景変数把握（存在・順番・関係性）
　➡適切な「調整」やデザイン（IPW、操作変数、差分の差、回帰不連続…
　　　　　　　　　　 これらを経てやっと、観察研究（RWD）で因果関係を言える！
※因果の検討 ＝ そもそもDAGが描ける前提 ＝ アウトカムYとの因果関係を見たいのは唯一の要因X
　➡多変量解析に大量の説明変数を投入し「有意」であった複数の変数 ＝ 「相関・関連」因子 ≠ 因果関係
　➡「因果」を言えない「相関・関連」因子をいきなり介入研究に持ち込むのはナンセンス