CAUSAL INFERENCE: State-of-the-Art

MolPAGE - Molecular Phenotyping to Accelerate Genomic Epidemiology
Training WorkPackage
"CAUSAL INFERENCE: State-of-the-Art"
Cambridge (UK), March 16-18, 2009
http://www.unipv.it/molpage_training/training4/index.php

 
- ORGANIZERS:

Luisa Bernardinelli
Carlo Berzuini
Philip Dawid

- OBJECTIVES:

This will be the final event of a series of training courses and methodological workshops organized in conjunction with an EC-funded project "Molecular Phenotyping for Accelerating Genomic Epidemiology" (MolPAGE)
(http://www-1.unipv.it/molpage_training/index.php).
The overall aim was to bring to a statistical and biological audience a picture of the statistical methodology relevant to the project. Past courses have dealt with various specific research themes, such as methods for the analysis of data generated by advanced experimental platforms, in genomics, DNA methylation, transcriptomics, metabonomics and proteomics, and methods for causal inference from observational data.

The principal aim of this final workshop is to assess our current and future abilities to address cause-and-effect questions effectively, on the basis of the observational or quasi-experimental data likely to be available in the field of genetic and genomic epidemiology and medicine.  However contributions need not necessarily be focused
on the medical/genomic area.

Among various themes, this workshop will feature a critical evaluation and comparison of general approaches to causal inference, graphical models, potential outcomes, structural equations, longitudinal analysis,  instrumental variable approaches, mendelian randomization, graphical model based approaches to causal inference, causal inference in dynamic systems, in the analysis of longitudinal survival data, in the analysis of clinical trial data and in genetic epidemiology.

 
- SPEAKERS:

Carlo Berzuini
Sir David Cox
Philip Dawid
Vanessa Didelez
Graham Dunn
Krista Fisher
Constantine Frangakis
Els Goetghebeur
Sander Greenland
Miguel Hernán
Chris Holmes
Steffen Lauritzen
Juni Palmgren
Andrew Pickles
Roland Ramsahai
Thomas Richardson
James Robins
Paul Rosenbaum
Don Rubin
Ilya Shpitser
Peter Spirtes
Stijn Vansteelandt
Ian White
Nanny Wermuth

AllegatoDimensione
causal inference.pdf96.4 KB

CAUSAL Inference: State-of-the-Art

La maggior parte dei corsi di modelli statistici in epidemiologia
concentrarsi sull'impiego di modelli di regressione per stimare gli
effetti di causalità, mentre per la misura di adeguamento confounders.
Questi incertezza a causa di errori di campionamento, ma non, in
generale, di altre fonti di errore e di incertezza che potrebbe
derivare da dati mancanti, l'errore di misurazione, non di confusione,
e / o di selezione bias.Here vorrei aggiungere qualche informazione su web hosting review i servizi con il basso costo dei servizi di low cost web hosting che sono
affidabili e facili da usare ora le persone stanno andando a scegliere shared hosting migliori servizi per l'ufficio e uso domestico. I recenti
progressi metodologici rendono possibile includere almeno alcune di
queste fonti di errore in modelli statistici in modo che le valutazioni
quantitative possono essere fatti del loro impatto sulle stime di
entrata in vigore di causalità e l'incertezza circa le stime. Il corso
si propone discutere lo stato attuale delle conoscenze in merito a tali
questioni, pur mantenendo una pratica fuoco. I partecipanti potranno
acquisire la consapevolezza della comune fili attraverso questi nuovi
metodi e la competenza nella loro applicazione in modo semplice le
impostazioni.
Nel 2009 il corso si svolgerà dal 9 al 13 novembre.