Anales de la RANM

23 A N A L E S R A N M R E V I S T A F U N D A D A E N 1 8 7 9 Luis Martí-Bonmatí An RANM. 2021;138(01): 16 - 23 ESTIMACIONES DE CAUSALIDAD CON IMAGEN MÉDICA EN ONCOLOGÍA 17. Hernán MA. Does water kill? A call for less casual causal inferences. Ann Epidemiol. 2016;26(10):674-680. 18. 2019 Tutorials – OMOP Common Data Model and Standardized Vocabularies https://www. ohdsi.org/2019-tutorials-omop-common-data- model-and-standardized-vocabularies (acceso 29 de abril de 2021). 19. McDevitt J, et al. Proposed CORE national Can- cer Dataset: National Cancer Registry. National Cancer Registry; Ireland: 2013 20. Thiese MS. Observational and interventional study design types; an overview. Biochem Med (Zagreb). 2014;24(2):199-210. 21. Veiga de Cabo J, Fuente Díez E, Zimmermann Verdejo M. Modelos de estudios en investigación aplicada: conceptos y criterios para el diseño. Med Segur Trb (2008) V54.n210. 22. Von Elm E, et al. The Strengthening the re- porting of observational studies in epidemiol- ogy (STROBE) statement. Ann Int Med 2007; 147:573-77 23. Hernán MA, Robins JM. Using Big Data to emu- late a target trial when a randomized trial is not available. Am J Epidemiol. 2016; 183:758-64 24. https://www.equator-network.org/ (acceso 29 de abril de 2021). 25. www.chaimeleon.eu (acceso 29 de abril de 2021). 26. Martí-Bonmatí L. Evidence levels in radiology: the insights into imaging approach. Insights Im- aging. 2021; 12(1):45. DECLARACIÓN DE TRANSPARENCIA El autor/a de este artículo declara no tener ningún tipo de conflicto de intereses respecto a lo expuesto en el presente trabajo. Si desea citar nuestro artículo: Martí-Bonmatí L. Estimaciones de Causalidad con Imagen Médica en Oncología. An RANM. 2021;138(01): 16– 23. DOI: 10.32440/ ar.2021.138.01. rev02