Versione Mobile | Vai alla versione Desktop
Differenze tra versione Mobile e versione Desktop
OBIETTIVO:
attraverso alcuni esempi, rafforzare il concetto di "associazione causale" e di "associazione non causale".
È già stato detto che una associazione statistica può indicare l'esistenza di una correlazione causale tra la variabile in studio e il fenomeno osservato. Tuttavia, la semplice esistenza di una associazione non dimostra necessariamente l'esistenza di un rapporto causa-effetto fra le due variabili risultate associate. Per giustificare questa osservazione, ti propongo un esempio (v. schema sottostante) tratto dalla vita quotidiana, in cui i fattori «consumo» e «rumore» risultano associati pur non essendo legati da una relazione causa-effetto. È evidente, infatti, che un consumo elevato di carburante non è causa di alta rumorosità né, viceversa, una elevata rumorosità provoca un aumento del consumo.
Generalizzando, si ottiene lo schema sottostante, che rappresenta un modello generale di associazione.
La variabile A è la vera causa della malattia; le due variabili di risposta, B e C, sono due manifestazioni della malattia. Nel modello le frecce nere mostrano l'esistenza di una associazione statistica causale tra A e B e tra A e C. In altre parole,
Tuttavia, può essere dimostrata anche una associazione statistica (non causale, freccia rossa tratteggiata) tra B e C, derivante proprio dal fatto che B e C sono entrambe (ma separatamente) associate allo stesso fattore A. Cioè:
ESEMPIO. Nello schema sottostante è mostrato un esempio una correlazione di questo tipo. L'esempio riguarda l'infestazione da Haemonchus contortus. Questo parassita è un nematode ematofago del bovino, pecora e capra che si localizza nell'abomaso provocando lesioni localizzate alla mucosa (edema, emorragie puntiformi, iperplasia, erosioni ecc.). Esso si nutre di sangue e quindi, quando presente in gran numero, provoca anche anemia.
NELLA PROSSIMA UNITÀ:
vengono proposti altri due esempi su associazioni causali e non causali. Inoltre si sottolinea ancora una volta che l'aver dimostrato che esiste una associazione non equivale ad aver dimostrato un rapporto di causa-effetto.
