Teaching / Enseignement

(Le français suit l'anglais)

I developed and teach the following courses (joint lectures):
PHM 6078: Introduction à l'inférence causale (Introduction to causal inference)
PHM 7078: Méthodes avancées en inférence causale (Advanced methods in causal inference)

3cr, Winter semester, lectures in French. Data analysis using R.

Appropriate for students enrolled in programs in (for example):
Epidemiology, Biostatistics, Statistics, Bio-informatics, Computer Science
And for those with an epidemiological focus in (for example): 
Public Health, Pharmaceutical Science, Exercise Science, Agricultural Science, Environmental Science, Veterinary Science

Topics covered:

• Well-defined causes in epidemiology
• Directed acyclic graphs (DAGs)
• Under a point-treatment and data from a prospective study design
  • Counterfactuals/potential outcomes, effect definitions, identifiability.
  • Marginal structural models and effect modification
  • Propensity scores and estimation using stratification, matching, inverse probability of treatment weighting (IPTW), and regression adjustment
  • G-computation
  • TMLE and the Targeted Learning Roadmap (synthesis)
  • Sensitivity analysis for unmeasured confounding
• ​Mediation 
  • Counterfactuals, natural direct and indirect effects, controled direct effects, identifiability
  • Regression methods and IPTW
• ​Longitudinal treatments and censoring
  • Single end-of-study outcome and survival analysis
  • Counterfactuals, marginal structural models, identifiability
  • IPTW
• ​Target trials
• ​Quasi-experimental studies
  • Instruments, identifiability, instrumental variable analysis 
  • Regression discontinuity analysis (regression, G-computation)

Other topics covered:

• Basic R coding
• Introductory data simulation
• The nonparametric bootstrap
• Cross-validation, Super Learner

---

J'ai développé et j'enseigne les cours suivants (avec des conférences conjointes):
PHM 6078: Introduction à l'inférence causale
PHM 7078: Méthodes avancées en inférence causale

3cr, session d'hiver, conférences en français. L'analyse de données par R.

​Approprié pour les étudiant-e-s inscrit-e-s dans des programmes en (par exemple):
epidémiologie, biostatistique, statistiques, bio-informatique, informatique
Et pour ceux et celles qui ont un intérêt épidémiologique dans (par exemple) :
santé publique, sciences pharmaceutiques, sciences de l'exercice, sciences agricoles, sciences de l'environnement, sciences vétérinaires

Thèmes abordés:

• Les effets bien-définis en épidémiologie
• Les Directed Acyclic Graphs (DAGs) (Graphique acyclique orienté)
• Avec un traitement ponctuel et données venant d'une étude prospective
  • Les contrefactuels/résultats potentiels, définitions d'effets, l'identifiabilité
  • Les modèles structurels marginaux et la modification d'effet
  • Les scores de propension et l'estimation par stratification, appariement, pondération par l'inverse de la probabilité du traitement (IPTW), l'ajustement par une régression
  • Le calcul-G (G-Computation)
  • L'estimation par maximum de vraisemblance ciblé (TMLE) et le cheminement de l'apprentissage ciblé
  • L'analyse de sensibilité pour des facteurs de confusion non-mesurés
• ​La médiation 
  • Les contrefactuels, les effets directs et indirects naturels, les effets directs conditionnels, l'identifiabilité
  • Les méthodes de régression et IPTW
• Les traitements longitudinaux et la censure​
  • Issue simple de fin d'étude, issue de survie
  • Contrefactuels, modèles structurels marginaux, l'identifiabilité
  • IPTW
• Essais ciblés (​Target trials)
• ​Les études quasi-expérimentales
  • Les instruments, l'identifiabilité, l'analyse par variable instrumentale
  • La discontinuité de la régression (régression, calcul-G)​

Autres sujets abordés:

• Codage R de base
• Simulation de données introductoire
• Le bootstrap nonparamétrique
• La validation croisée, le Super Learner