Causal Inference in Observational Studies and Clinical Trials Affected by Treatment Switching

HomeStudien Academy Causal Inference

A Practical Hands-on Workshop (English)

Kausale Zusammenhänge sind eine der wichtigsten Annahmen, die bei Entscheidungsanalysen gemacht werden. Interventionen oder Risikofaktoren werden häufig als kausaler Effekt modelliert.  Es ist daher von großer Bedeutung, die Richtigkeit dieser Annahmen überprüfen zu können bzw. kausale Effekte anstelle von einfachen statistischen Assoziationen aus Daten ableiten zu können. Die valide Interpretation von Studienergebnissen betrifft nicht nur Entscheidungsanalytiker sondern auch die pharmazeutische Industrie, HTA-Behörden, Leitlinienersteller, Mediziner und Wissenschaftler.

Dieser Kurs vermittelt einen Einblick in die Konzepte der Kausalzusammenhänge sowohl bei Beobachtungs- als auch bei klinischen Studien. Ein besonderer Schwerpunkt liegt auf Methoden, die den Bias, der normalerweise beim Behandlungswechsel entsteht, verhindern. Weitere Gesichtspunkte sind Methoden, die bei time-varying confounding, Non-Compliance und aufeinander folgenden Therapien angewandt werden, sowie die Nutzung von Kausaldiagrammen.

Der Kurs beinhaltet die Vermittlung der theoretischen  Grundlagen, Fallbeispiele, Diskussionen, sowie Übungen mit der entsprechenden statistischen Software. Bei den Fallbeispielen werden verschiedene Krankheitsbilder sowie verschiedene Blickwinkel berücksichtigt.

Weitere Informationen finden Sie unter: umit.at/causalinference

HTADS - Program on Health Technology Assessment & Decision Sciences