Emulando experimentos aleatorios en estudios observacionales

La imposibilidad de desarrollar un ensayo clínico aleatorio (ECA) por distintas circunstancias, tanto de factibilidad como éticas, ha promovido, entre otros, el análisis de datos observacionales usando grandes bases de datos (big data) para responder aquellas preguntas para las cuales no ha podido desarrollarse un ECA. Ello ha creado la necesidad de evaluar cómo estos datos observacionales podrían emular un ECA a fin de generar adecuadamente inferencia causal, mejorando la calidad de los estudios observacionales.

Comprender los fundamentos teóricos y las técnicas en los que se sustenta la emulación de ensayos clínicos aleatorios como estrategia para aproximar los estudios observacionales con el objectivo de implementar inferencia causal.

• Actualizar los conocimientos referentes a causalidad y grafos causales (DAG) en epidemiología.
• Aplicar el uso de DAGs para la selección de modelos adecuados en la emulación de ECA.
• Comprender las bases y objetivos de los ensayos clínicos aleatorios (ECA) y su interpretación causal.
• Comprender los conceptos e instrumentos básicos necesarios para la emulación de ensayos aleatorios, así como los supuestos fundamentales que deben ser aplicados a los estudios observacionales para hacer inferencia causal.
• Conocer los pasos – elegibilidad, exposición, comparación, resultado y contrastes causales– para diseñar un ensayo clínico imaginario y transformarlo en un estudio observacional lo más cercano posible a un ECA.

Ensayos clínicos y ensayos aleatorios emulados

• Objetivos de los ECA
• Definición conceptual de estudios emulados

Conceptos modernos en inferencia causal

Actualización en DAGs

• Repaso de DAGs.
• Actualización en diseño de DAGs: interacción
• Controles negativos

Nuevos estudios emulando ensayos aleatorios.

• Pasos para diseñar un ECA imaginario
• Aplicación de principios de diseño de ensayos aleatorios al análisis de datos observacionales
• Generalización y transportabilidad
• Confusores no medidos

Modelamiento en estudios emulados.

• Instrumentos para el modelamiento en estudios emulados: machine learning y estimador doblemente robusto.

Estudiantes interesados en la actualización y aplicación de tópicos relevantes en epidemiología moderna.

Clases expositivas y lectura de artículos científicos para resolución de problemas

• Este curso es evaluado
• Otra forma de evaluación: Evaluación on line una semana después del curso