Disciplina: INFERÊNCIA CAUSAL EM EPIDEMIOLOGIA

  • Nome/título
    INFERÊNCIA CAUSAL EM EPIDEMIOLOGIA
  • Responsável
    Prof. Dr. Leandro Fórnias Machado de Rezende
  • E-mail para contato
    leandro.rezende@unifesp.br
  • Início - inscrição
    01/08/2020
  • Término - inscrição
    29/09/2020
  • Início - curso
    05/10/2020
  • Término - curso
    03/12/2020
  • Local
    Atividades remotas via Google Meet e Google Classroom
  • Dias e Horários
    Segundas e Quintas (14h00 às 18h00)
  • Vagas/ Número máximo de alunos
    30
  • Carga horária - Teórica
    72
  • Carga horária - Prática
    28
  • Carga Horária Total
    100
  • Creditos
    7
  • Critérios de ingresso
    Alunos matriculados nos programas de pós-graduação da UNIFESP e outras universidades. Serão aceitos ouvintes desde que o número máximo de alunos não seja excedido. Espera-se que os alunos tenham domínio de leitura em inglês e cursado disciplinas básicas de Epidemiologia e Bioestatística.
  • Ementa
    Estimar efeitos causais de exposições/tratamentos em doenças/desfechos de saúde é um dos objetivos centrais da epidemiologia. Nesta disciplina, será apresentado um breve histórico dos modelos de inferência causal em epidemiologia. Definição formal de efeito causal em indivíduos e populações será introduzida e discutida à luz dos pressupostos necessários para assumir causalidade, bem como das fontes de erro que podem impactar a validade dos resultados de estudos epidemiológicos. Esta disciplina também tem o objetivo de debater e compreender métodos e análise de dados para inferência causal publicados em periódicos científicos internacionais. Ao final do curso o aluno deverá estar preparado para ler e avaliar criticamente a produção científica publicada em periódicos de Epidemiologia. O curso será ministrado sob a forma de aulas teóricas e seminário com apresentações de artigos científicos.
  • Avaliação de aprendizagem
    O curso tem 8 horas semanais com modelo híbrido de atividades assíncronas e síncronas. O componente assíncrono do curso (2 horas/semanais) será realizado com a disponibilização de textos, vídeos e materiais didáticos na plataforma Google Classroom. O componente síncrono consiste nas aulas teóricas e seminários (Web-aula - 6 horas/semanais) em que os alunos apresentarão artigos científicos. Após a apresentação dos artigos, o professor responsável mediará uma discussão dos principais conceitos apresentados pelos alunos com os demais participantes do seminário.
    A avaliação da aprendizagem se dará mediante exercícios domiciliares sobre os tópicos apresentados em aula, apresentações dos artigos científicos nos seminários (preparação do material, linguagem utilizada na apresentação e domínio do conteúdo) e participação nas aulas.
  • Conteúdo Programático
    Causalidade; definição de efeito causal (individual e médio); estudos experimentais; estudos observacionais; modificação de efeito e interação; representação gráfica de efeitos causais (DAGs); confundimento; viés de seleção; viés de informação.
  • Referências
    1. Hernán MA, Robins JM (2020). Causal Inference: What If. Boca Raton: Chapman & Hall/CRC.”
    2. Rothman KJ, Greenland S, Lash TL - Modern epidemiology, 3ª ed. Philadelphia: Lippincot Williams & Wilkins, 2008.
    3. Hernan MA. A definition of causal effect for epidemiological research. J Epidemiol Community Health 2004;58:265-71.
    4. Lawlor DA, Tilling K, Davey Smith G. Triangulation in aetiological epidemiology. Int J Epidemiol. 2016;45:1866-86.
    5. Munafò MR, Smith GD. Robust research needs many lines of evidence. Nature 2018;553:399-401.
    6. Ferguson KD, McCann M, Katikireddi SV, et al. Evidence synthesis for constructing directed acyclic graphs (ESC-DAGs): a novel and systematic method for building directed acyclic graphs. Int J Epidemiol. 2020;49(1):322-329.
    7. Hernán MA, Hernández-Díaz S, Robins JM. A structural approach to selection bias. Epidemiology. 2004;15(5):615-625.
    8. Matthay EC, Glymour MM. A Graphical Catalog of Threats to Validity: Linking Social Science with Epidemiology. Epidemiology. 2020;31(3):376-384.
    9. Dickerman BA, García-Albéniz X, Logan RW, Denaxas S, Hernán MA. Avoidable flaws in observational analyses: an application to statins and cancer. Nat Med. 2019;25(10):1601-1606.
    10. Hernán MA. The C-Word: Scientific Euphemisms Do Not Improve Causal Inference From Observational Data. Am J Public Health. 2018;108(5):616-619.
    11. Pearl J, Mackenzie D. The Book of Why: The New Science of Cause and Effect. New York: Basic Books; 2018.
    •  

    © 2013 - 2020. Universidade Federal de São Paulo - Unifesp

    Campus São Paulo - Rua Botucatu, 740 - 4º andar - sala 404 - Vila Clementino, São Paulo - SP - ppg.saudecoletiva@unifesp.br

    Please publish modules in offcanvas position.