Les diagrammes causaux ont révolutionné la façon dont les chercheurs se demandent: Quel est l’effet causal de X sur Y? Ils sont devenus un outil clé pour les chercheurs qui étudient les effets des traitements, des expositions et des politiques. En résumant et en communiquant les hypothèses sur la structure causale d’un problème, les diagrammes de causalité ont permis de clarifier les paradoxes apparents, de décrire les biais courants et d’identifier les variables d’ajustement. En conséquence, une bonne compréhension des diagrammes causaux devient de plus en plus importante dans de nombreuses disciplines scientifiques.

La première partie de ce cours est composée de sept leçons qui introduisent les diagrammes causaux et leurs applications à l’inférence causale. La première leçon introduit les DAG causaux, un type de diagrammes causaux, et les règles qui les régissent. Les deuxième, troisième et quatrième leçons utilisent les DAG causales pour représenter les formes courantes de biais. La cinquième leçon utilise les DAG causales pour représenter les traitements variables dans le temps et la rétroaction de confusion de traitement, ainsi que le biais des méthodes statistiques conventionnelles pour l’ajustement de confusion. La sixième leçon introduit les SWIGs, un autre type de diagrammes causaux. La septième leçon guide les apprenants dans la construction de diagrammes causaux.

La deuxième partie du cours présente une série d’études de cas qui mettent en évidence les applications pratiques des diagrammes causaux aux questions réelles des sciences de la santé et des sciences sociales.

Crédit photo du professeur: Anders Ahlbom