Curso de Introducción a la Inferencia Causal en Epidemiología

3 de septiembre, 2019
Facultad de Medicina y Ciencias de la Salud de Oviedo
Curso precongreso SEE

Curso de Introducción a la Inferencia Causal en Epidemiología


Descripción del curso

El Curso de Introducción a la Inferencia Causal en Epidemiología está dirigido a estadísticos y epidemiólogos de la administración sanitaria interesados en la Inferencia Causal, con conocimientos en Estadística Aplicada a las Ciencias de la Salud y Epidemiología.

Objetivos

El objetivo general del curso es ofrecer una visión general de los nuevos métodos en epidemiología basados en el marco conceptual de las “Potential Outcomes” y la “Inferencia Causal” utilizada para evaluar la efectividad de intervenciones o tratamientos basada en datos observacionales.

Los objetivos específicos son:

  1. Obtener una visión general del desarrollo de la disciplina y la necesidad de la “Inferencia Causal”.
  2. Entender y aplicar el marco conceptual de las “Potential Outcomes” en escenarios simples.
  3. Entender y construir modelos causales visuales usando “gráficos acíclicos directos” (DAGs).
  4. Entender y aplicar los diferentes métodos estadísticos para evaluar el efecto causal marginal y estandarizado del tratamiento o exposición basado en la aplicación de la “G-Formula”.

Contenidos

  1. Introducción al marco conceptual de las “Potential Outcomes
  2. Introducción a la visualización de asociaciones y efectos causales usando “DAGs” (gráficos acíclicos directos)
  3. Introducción a los “G-métodos” y generalización de la estandarización.
  4. Derivación y uso de los G-métodos basados en el “propensity score” y la G-computación en Stata (módulo teffect) y R (paquetes IPW y TMLE).

Metodología

Competencias profesionales

El alumno a la finalización del curso será capaz de:

  1. Interpretar y evaluar la literatura epidemiológica avanzada.
  2. Aplicar e interpretar la “G-Formula”.
  3. Aplicar e interpretar métodos de inferencia causal en estudios observacionales transversales.

Inscripción

Inscripción: link to SEE-2019


Material

Los asistentes deberán de llevar su computadora con RStudio instalado.

Lecturas recomendadas:
Educational Note: Paradoxical collider effect in the analysis of non-communicable disease epidemiological data: a reproducible illustration and web application.

Heterogeneidad en la estimacion de effectos causales: HETMOR

TMLE tutorial 2019 Rmarkdown

TMLE tutorial in Statistis in Medicine 2018


Programa

9:00 - 10:30
El marco conceptual de la Inferencia Causal: Introducción a las “Potential Outcomes”. Asunciones de la inferencia causal aplicadas a los datos epidemiológicos observacionales y la necesidad de la introducción de los gráficos directos acíclicos (DAGs) para identificar variables confusoras, colliders y mediadoras. Introducción al efecto paradójico inducido por colliders: http://watzilei.com/shiny/collider/

10:30 - 10:45
Pequeño receso.

10:45 - 12:45
Asunciones de la inferencia causal aplicadas a los datos epidemiológicos observacionales. Estimación e Inferecia en el marco conceptual de la Inferencia Estadística Causal: Justificación de su aplicación basada en la implementación de la generalización de la estandarización. Presentación de la Fórmula G para el estimando “ATE” (Average Treatment Effect) e inferencia estadística usando G-computation, IPTW y TMLE. LABS 1 y 2.

12:45 - 13:00
Pequeño receso.

13:00 - 14:00
LABs 3 y 4: Ejemplos de gráficos directos acíclicos (DAGs) para identificar “unconfoundeness”, “exchangeability”, “conditional mean independence” o “randomization”: Introducción a Daggity y ggdag.

Presentaciones

Presentación 1
Presentación 2
Presentación 3 (LABs 3-4)


LABs in RStudio Cloud

Recursos para aprender Stata

Learning Stata

Recursos para aprender R

Learning R (tidyverse world)
Learning R (tidyverse workshop)

Evaluación

Comparte el curso con otros


Profesorado

Somos un equipo multidisciplinar con amplia experiencia profesional en Epidemiología y Métodos Epidemilógicos, Bioestadística e Inferencia Causal, Matemáticas, Ciencias Sociales y Ciencias de la Salud. Actualmente estamos trabajando en la promoción del movimiento de ciencia reproducible, epidemiologia poblacional del cáncer (estudiando las desigualdades sociodemográficas en la incidencia, mortalidad y supervivencia del cáncer en España), machine learning e inferencia causal aplicada al estudio del cáncer desde una perspectiva poblacional. Algunos ejemplos de nuestros trabajos se pueden encontrar en los siguientes links:

  1. http://watzilei.com/shiny/collider/
  2. https://maluque.netlify.com/project/hetmor/
  3. https://github.com/migariane/cvAUROC

Actualmente desarrollamos nuestro trabajo en el Instituto de Investigación Biosanitaria de Granada (ibs.Granada) y mantenemos colaboraciones con la London School of Hygiene and Tropical Medicine (UK) y la Escuela de Salud Pública de Harvard (USA).

Miguel Ángel Luque Fernández, MA, MPH, MSc, PhD

Senior Scientific Researcher of Epidemiology and Biostatistics
Miguel Servet I Award, Carlos III Institute of Health Grant/Award Number: CP17/00206
Ibs.GRANADA, Andalusian School of Public Health.
Granada, Spain
Hugo Academic Webpage

Scientific Collaborator, Department of Epidemiology,
Harvard TH Chan School of Public Health, Boston, MA, U.S.A.
HSPH Webpage

Assistant Professor of Epidemiology and Biostatistics (Honorary)
Department of Non-Communicable Disease Epidemiology
London School of Hygiene and Tropical Medicine, London, U.K.
LSHTM Academic Webpage

Tutorials Link to Epidemiological and Statistical tutorials

twitter @watzilei

git @migariane

email miguel.luque.easp at juntadeandalucia.es


Daniel Redondo Sánchez, Matemático

Research Assistant of Epidemiology and Biostatistics.

ibs.GRANADA, Andalusian School of Public Health.
Cuesta del Observatorio, 4, 18080
Granada, Spain

twitter @dredondosanchez

git @danielredondo

email daniel.redondo.easp at juntadeandalucia.es


logo

logo