Eine Beziehung, bei der eine Veränderung eines Faktors (die mutmaßliche Ursache) direkt eine Veränderung eines anderen Faktors (die Wirkung) erzeugt oder dazu beiträgt, durch einen plausibel angegebenen Mechanismus, sodass eine Intervention an der Ursache die Wahrscheinlichkeit oder das Ausmaß der Wirkung unter definierten Bedingungen verändern würde; das Feststellen einer kausalen Assoziation erfordert Belege über bloße Assoziation hinaus, einschließlich Temporalität, kontrafaktischen Überlegungen, Kontrolle von Confoundern und kohärenter Mechanismen.

Prinzip

Wenn eine kausale Assoziation unter den angegebenen Bedingungen gilt, dann wird eine Intervention, die die Ursache verändert, die Verteilung der Wirkung ändern; das Nachweisen von Kausalität erfordert eine inferenzielle Strategie (Randomisierung, quasi‑experimentelles Design oder gut spezifizierte kausale Modellierung) sowie Evidenz für Plausibilität und den Ausschluss alternativer Erklärungen.

Demonstration

Illustrierendes Szenario (hypothetisch): Situation — Forschende vermuten, dass Exposition X das Risiko des Ergebnisses Y über Mechanismus M erhöht. Erkennung — Longitudinale oder experimentelle Daten mit geeigneter Gestaltung und Controlling zeigen, dass die Veränderung von X die Inzidenz von Y ändert und dass Mechanismus M X plausibel mit Y verbindet. Handlung — Eine politik‑ oder klinisch‑intervention reduziert Exposition X. Folge — Inzidenz oder Schwere von Y nimmt in der Population oder Untergruppe, in der X reduziert wurde, ab, konsistent mit dem kausalen Modell (vorausgesetzt, alternative Erklärungen wurden ausgeschlossen).

Fehlanwendung

Fehlerhafte Interpretation: Eine beobachtete Korrelation ohne Behandlung von Temporalität, Confounding oder plausiblen Mechanismen als kausale Assoziation werten. Warum plausibel: Viele nichtkausale Prozesse (Confounding, Reverse Causation, Selektionsbias) erzeugen Assoziationen, die Kausalität vortäuschen. Semantischer Fehler: Statistische Assoziation mit kausalem Effekt verwechseln und so Interventionen auf schwacher Evidenzbasis rechtfertigen.

Konsequenz

Eine gültige kausale Assoziation rechtfertigt Interventionen, informiert Politik und klinische Entscheidungen und fördert mechanistisches Verständnis; falsche Kausalbehauptungen können zu ineffektiven, verschwenderischen oder schädlichen Maßnahmen und fehlgeleiteter Ressourcennutzung führen.

Umkehrung

Anscheinende kausale Assoziationen können durch weiterführende Analysen entkräftet werden, wenn Confounding, Rückwärtskausalität, Messfehler oder die Vermittlung durch Zwischenvariablen entdeckt werden, wodurch eine direkte Kausalbehauptung unangebracht wird; kausale Schlussfolgerungen sind konditional auf die durch die Evidenz spezifizierte Population, den Zeitraum und den Kontext.

Abgrenzung

Eindeutig innerhalb: Evidenz, die Temporalität erfüllt, einen kontrafaktischen Kontrast (Intervention verändert Ergebnis), Kontrolle von Confoundern und einen kohärenten Mechanismus unter definierten Bedingungen. Randfall: Starke Assoziation mit plausiblem Mechanismus, aber ohne adäquate Confounding‑Kontrolle oder kontrafaktische Belege. Eindeutig außerhalb: bloße statistische Korrelation, ökologische Assoziation ohne individuelle Unterstützung oder Muster, die durch Confounding oder Rückwärtskausalität erklärt werden.

Semantische Spannung

Spannung zwischen dem praktischen Bedarf zu handeln (Interventionen auf der Basis plausibler kausaler Behauptungen) und der epistemischen Anforderung an rigorose Evidenz (Vermeidung voreiliger kausaler Schlüsse aus unzureichenden Daten).

Synthese

Kausale Assoziation ist eine handlungsorientierte Schlussfolgerung, die Intervention mit Ergebnis verbindet; sie ermöglicht zweckgerichtetes Eingreifen, beruht jedoch auf methodischen Kriterien und expliziten Annahmen, die geprüft und angegeben werden müssen.