El LLM propone · el motor formal dispone · el experto confirma
Del DAG al conjunto de ajuste verificado, en español
Dibujar el grafo ya está resuelto. Lo difícil son las dos millas que lo rodean: qué variables poner, qué código correr y cómo justificarlo ante el comité. IAM-CausalKit se encarga de esas dos millas, con verificación formal rigurosa en medio.
Tres pasos
Describe tu pregunta
En español, sin jerga. ¿El efecto de qué exposición sobre qué desenlace quieres estimar?
El motor verifica
Un motor determinístico calcula la d-separación, los roles y el conjunto de ajuste mínimo. Nada sale de un LLM.
Recibe los entregables
Conjunto de ajuste + código R/Python + párrafo STROBE + justificación para tu comité de ética.
Verificación formal, no adivinanza
El LLM propone la estructura; el motor formal deriva la causalidad. Cada resultado viene con su traza de prueba visible.
Español-first
Pensado para investigadores clínicos, tesistas y comités de ética en Latinoamérica. Sin barrera de idioma.
Compatible con DAGitty
Importa y exporta la sintaxis estándar. No competimos con lo que ya usas: lo envolvemos.
Objeto citable
Cada DAG genera una URL estable y exportable (TikZ, Quarto, DOI) que puedes citar en tu tesis o paper.
Construido por un epidemiólogo, para epidemiólogos
Gratis para dibujar y analizar. De pago cuando necesitas los entregables listos para publicar o para tu IRB.
Entrar con Google