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.
• 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.
• Aplicar el uso de DAGs para la selección de modelos adecuados en la emulación de 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.

• Curso de introducción a la epidemiología moderna o similar
• Conocimiento intermedio de diseños epidemiológicos, grafos acíclicos dirigidos (DAG) y modelos estadísticos multivariados.