Modellierung mittels Mehrstadienmodellen.
Ralph Brinks, Annika Hoyer (Deutsches Diabetes Zentrum, Düsseldorf)

Tutorium „Anwendung von zeitkontinuierlichen Mehrstadienmodellen in der Epidemiologie chronischer Erkrankungen“
Im Gegensatz zu den vielfältigen Anwendungen in der Infektionsepidemiologie sind Mehrstadienmodelle im Zusammenhang mit chronischen Erkrankungen weit weniger verbreitet. Dennoch erlauben sie weitreichende Einsichten in grundlegende epidemiologische Konzepte, wie zum Beispiel Prävalenz und Inzidenz von chronischen Erkrankungen.
Nach einer kurzen theoretischen Einführung (basierend auf Vorkenntnissen aus der Schulmathematik) wird in diesem Tutorium das Illness-Death-Modell (IDM) vorgestellt und die grundlegende Gleichung diskutiert, die das IDM chronischer Erkrankungen beschreibt. Den epidemiologischen Anwendungen des IDM wird in diesem Tutorium der größte Raum gegeben. Dabei werden u.a. die Schätzung von Inzidenzraten aus Querschnittstudien, die Bestimmung des mittleren Erkrankungsalters (age of onset) und die Schätzung von Years-of-life-lost (YLL) erörtert.
Erweitert man das IDM chronischer Erkrankungen um den Zustand „Undiagnostizierte Erkrankung“, so kann man chronische Erkrankungen mit einer längeren subklinischen Phase untersuchen. Beispiele für solche Erkrankungen sind ischämische Herzkrankheiten, Bluthochdruck und Diabetes mellitus (Typ 2). Als Anwendung des erweiterten IDM diskutieren wir epidemiologische Kennzahlen zur Bewertung von Screening-Maßnahmen.

Causal Inference in Epidemiology: DAGs, g-Methods and Target Trial Emulation – A Tutorial for Researchers and Educators (Course to the Keynote)
Uwe Siebert (Hall, Tirol)

Whereas “traditional” methods (e.g., stratification, matching, multivariate regression, propensity score), which are appropriate for baseline confounder adjustment, are broadly taught and applied, the more general methods (g-methods), which are needed to control for time-varying confounding, are still less known and underused.
This tutorial covers innovative causal inference concepts and methods that are needed for the design and analysis of observational data and pragmatic trials with time-varying exposures or treatments.

We cover the following topics:
1. Introduction to the principles of causation in epidemiology
2. Use of causal diagrams (directed acyclic graphs, DAGs)
3. Brief intuitive illustration of the principles of g-methods: a) g-formula, b) marginal structural models with inverse probability of treatment weighting, and c) structural nested models with g-estimation
4. Application of the target trial emulation concept combined with a counterfactual approach using “replicates” for dynamic treatment regimes
5. Application of g-methods in observational studies and pragmatic trials with post-randomization confounding (treatment switching/non-adherence/2nd-line-treatment etc.)
6. Case examples from oncology, cardiovascular disease, HIV, nutrition and other disease areas, illustrating the bias when using “traditional” methods for time-varying confounding

The tutorial is an extension of the Causal Inference Keynote Session on Friday and will consist of lectures, exercises drawn from the published literature and interactive discussion. The intended audience includes researchers from all substance matter fields interested either in methods of causal design/analysis or in the mere interpretation of observational study results.

Einführung in R.
Ralf Strobl (München)

R ist eine auf vielen Plattformen frei verfügbare Programmiersprache und Statistik-Software. Mit RStudio steht auch eine Entwicklungsumgebung und eine grafische Benutzeroberfläche für R zur Verfügung die gerade den Einstieg sehr erleichtert. R bietet unter anderem:
• eine umfangreiche, sich ständig erweiternde Bibliothek an statistischen Methoden zur Datenanalyse,
• moderne grafische Werkzeuge zur Exploration und Deskription von Daten und
• eine vollwertige, verständliche Programmiersprache die Erweiterungen bereits vorhandener Funktionen, oder die Neuentwicklung eigener Methoden erlaubt.
Das Tutorial hat zum Ziel, einen Einstieg in der Programmiersprache R zu ermöglichen und erste Hürden zu nehmen. Der Dozent stellt einzelne Funktionsweisen vor und die Teilnehmer können dann an eigenen Laptops diese mittels kleineren Übungsaufgaben selber ausprobieren. Gerne können auch vorab Wünsche zu Inhalten gebracht werden (z.B. Grafiken mit ggplot, Multivariate Modelle, …).
Die Teilnehmer sollen bitte ein Laptop mitbringen auf dem bereits R und RStudio installiert ist.