L'inférence causale dans les études observationnelles

Une association n'est pas une cause, et savoir faire la différence est ce qui rend un chercheur crédible. Ce niveau vous apprend à interroger tout résultat à travers quatre explications rivales avant d'oser affirmer une cause. C'est la colonne vertébrale intellectuelle de tout le cours.

À qui s'adresse ce niveau

Toute personne qui interprétera des données observationnelles : chercheurs, cliniciens, analystes et utilisateurs de preuves, à tout niveau. Recommandé après les niveaux de schémas observationnels (2 à 4).

Ce que vous apprendrez

• Pourquoi des mesures comme les rapports de risque et les odds ratios ne prouvent jamais la causalité à elles seules
• Les quatre explications rivales de toute association : le hasard, le biais, la causalité inverse et la confusion
• Une compréhension intuitive du hasard, de l'erreur et des valeurs de p (la statistique de la puissance vit dans le cours Taille d'échantillon)
• Comment des choix de conception précis combattent le biais et la confusion
• Comment juger honnêtement la causalité et choisir des schémas plus solides

Vous repartez avec : Facteurs de confusion, biais probables et une justification du schéma pour votre question.