Seminari SEA: Estratègies d'anàlisis per estimar associacions causals: Matching aplicat a Big Data sanitari

SEA

Inscripció al seminari gratuïta: enllaç

Conferenciant

Jordi Real

foto_carnet_jordi Real.jpg       Unitat de Suport a la Recerca Barcelona. IDIAP Jordi Gol
CIBER Diabetes y Enfermedades Metabolicas Asociadas (CIBERDEM)
Epidemiologia i Salut Pública. Universitat Internacional de Catalunya

Dia i hora:

Divendres 10 de març de 2017 a les 12:00. Atenció dia no habitual.

Lloc:

Aula A1 del CRM, Facultat de Ciències, campus de la UAB.

Durada:

1 hora aproximadament

Inscripció:

L'assistència a aquest seminari és gratuïta.
Per motius d'aforament us agrairem que us enregistreu en el següent formulari: enllaç

Abstract:

Los estudios observacionales tienen un papel importante en la investigación médica. Sin embargo, una de las limitaciones comunes de los estudios observacionales analíticos es la que afecta a la validez interna, principalmente debido al potencial sesgo de confusión causada por la asignación no controlada de los individuos a los grupos de exposición. Las técnicas más habituales en la investigación médica en general, y la epidemiología en particular, para corregir el sesgo de confusión son los modelos de regresión multivariables (MRMs) (tales como Regresión logística, lineal, Cox etc...). Estas técnicas de ajuste requieren de una adecuada especificación del modelo para que la las medidas de asociación de interés (efecto, riesgo relativo, Odds ratio, razón de prevalencias, etc.) estén correctamente estimadas. En la actualidad, existe un creciente interés en otras alternativas a los modelos multivariables como son enfoques no paramétricos utilizando algoritmos de emparejamiento (matching). Estas técnicas prometen inferencias más robustas al no depender de la correcta especificación del modelo.

 

US HI ESPEREM

Campus d'excel·lència internacional U A B