Faglig innhold

Studiedesign, mål på sykdomsforekomst, mål på effekt, intern validitet, Directed asyclyc graphs (DAGs), fortolke multivariable analyser, kausal inferens, kausal interaksjon og effektmål-modifikasjon, screening, instrumentvariabelanalyse, familiedesign, case only design

Læringsutbytte

Etter å ha gjennomført SMED8002 har studenten:

Kunnskaper

• om ulike studiedesign som er mest vanlig innen populasjonsbasert og klinisk forskning (tverrsnittsstudier, kohortstudier, kasus-kontrollstudier og randomiserte kontrollerte forsøk).
• om ulike mål på sykdomsforekomst (prevalens, insidensrate og insidensandel).
• om screening

Ferdigheter

• kunne tolke ulike mål på sammenheng mellom eksponering/behandling og sykdom med utgangspunkt i absolutt og relativ risiko (risikodifferanse, insidensratedifferanse, numbers needed to treat versus risikoratio, insidensrateratio, oddsratio, hazardratio)

Generell kompetanse

• ha grunnleggende kunnskap om vanlige utfordringer i observasjonsstudier (seleksjonsbias, informasjonsbias og konfundering).
• ha grunnleggende kunnskap om og kunne fortolke Directed asyclyc graphs (DAGs)
• ha grunnleggende forståelse for vurdering av presisjon i epidemiologiske studier med vekt på tolkning og bruk av av p-verdier og konfidensintervall
• forstå prinsippene og kunne fortolke multivariable analyser.
• kunne skille mellom og ha kunnskap om begrepene: årsakssammenheng (kausalitet) og statistisk sammenheng.
• kunne skille mellom kausal interaksjon og effektmål-modifikasjon
• kjenne til prisnippene ved instrumentvariabelanalyse, ulike familiedesign og case only

Læringsformer og aktiviteter

Forelesninger og øvinger. Det er obligatorisk oppmøte. Faglærer kan godkjenne inntil 20% fravær fra obligatoriske forelesninger.

Obligatoriske aktiviteter

• Øvinger
• Obligatorisk tilstedeværelse på forelesningene

Anbefalte forkunnskaper

KLMED8004 Medisinsk statistikk del 1, KLMED8009 Klinisk forskning, grunnleggende epidemiologi (eks. masterkurs i epidemiologi)

Forkunnskapskrav

Fullført mastergrad, medisinstudenter opptatt på forskerlinjen.

Kursmateriell

Books:

Hernan M, Robins J: Part I, Part II, chapter 16, https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/

Rothman K, Greenland S and Lash (2021): Chapter 2, 3, 5-10 in Modern epidemiology

Papers:

Hernán MA, Hernández-Díaz S, Werler MM, Mitchell AA. Causal knowledge as a prerequisite for confounding evaluation: an application to birth defects epidemiology. Am J Epidemiol 2002;155:176-184

Hernán MA, Hernández-Díaz S, Robins JM (2004): A structural approach to selection bias. Epidemiology. 2004 Sep;15(5):615-25.

JanszkyI, Ahlbom A, Svensson AC (2010): The Janus face of statistical adjustment: confounders versus colliders. Eur J Epidemiol. 2010 Jun;25(6):361-3. Epub 2010 May 7.

Glymour M, Weuve J, Berkman L, Kawachi I, Robins J. When is baseline adjustement usuful in analysis of change? An example with education and cognitive change. Am J Epid 2005; 162:267-78

Krieger N, Davey Smith G. The tale wagged by the DAG: broadening the scope of causal inference and explanation for epidemiology. Int J Epidemiol 2016; 45: 1787-808.