Ce cours présente les méthodes statistiques d'inférence causale ainsi que leurs applications dans le domaine de la santé. L'étudiant apprend à connaître les paradigmes graphiques et contrefactuels à l'inférence causale et à obtenir des estimations de l'effet causal d'une variable d'exposition sur une variable réponse avec différentes méthodes statistiques (régression, pondération, score de propension, variables instrumentales). Il apprend également à estimer l'effet d'une exposition variant dans le temps sur une variable réponse (g-estimation, modèles structurels marginaux). Il apprend enfin à discerner les hypothèses selon lesquelles les estimations obtenues ont réellement une interprétation causale, à apprécier la crédibilité de ces hypothèses et à effectuer des études de sensibilité pour mesurer l'impact d'un non-respect des hypothèses.
Ce cours présente les méthodes statistiques d'inférence causale ainsi que leurs applications dans le domaine de la santé. L'étudiant apprend à connaître les paradigmes graphiques et contrefactuels à l'inférence causale et à obtenir des estimations de l'effet causal d'une variable d'exposition sur une variable réponse avec différentes méthodes statistiques (régression, pondération, score de propension, variables instrumentales). Il apprend également à estimer l'effet d'une exposition variant dans le temps sur une variable réponse (g-estimation, modèles structurels marginaux). Il apprend enfin à discerner les hypothèses selon lesquelles les estimations obtenues ont réellement une interprétation causale, à apprécier la crédibilité de ces hypothèses et à effectuer des études de sensibilité pour mesurer l'impact d'un non-respect des hypothèses.
