苏州大学建校120周年系列学术活动
Topic: Directed acyclic graph (DAG)在病因推断中的应用
Time: 2019年10月13-14日（9:00am-16:00pm）
培训课程简介
随机对照试验是医学研究和病因推断的重要手段，但是由于伦理上及其他一些原因，随机对照研究在许多情况下无法进行，比如母亲孕期生活方式如吸烟、饮酒、饮食营养因素等等。因此医学研究中不可避免的需要用观察性研究来做病因推断。而观察性研究面临的最大问题是如何正确有效地控制混杂因素、选择性偏倚和信息偏倚。传统方法关于混杂因素的定义和选择逐渐受到挑战和质疑。DAG是解决的方法之一，DAG最开始被应用于AI (artificial intelligence), 第一篇关于DAG应用于医学研究的文章发表在1999年，但直到最近10年左右才逐渐被越来越多的学者应用于医学研究中，比如JAMA surgery推荐在数据分析时用DAG指导变量的选择，现在，DAG已经成为病因推断中不可缺少的工具之一。由于种种原因DAG使人望而生畏，但DAG其实并不难，如果能熟练掌握DAG的应用规则，DAG会成为非常实用的工具，用途广泛，比如对理解和如何确定混杂因素，选择性偏移，信息偏倚，偏倚分析（bias analysis）,中介分析（mediation analysis）都有非常大的帮助。此次课程的主要内容大致分为四个方面，第一是关于DAG的基本规则和术语的介绍、第二利用DAG指导多元回归病因推断中混杂因素的选择，第三如何量化潜在的偏倚，第四其他一些DAG相关的知识点。
该培训课是在丹麦奥胡斯大学和南丹麦大学博士课程的基础上改编而来，丹麦的博士课程为3天，此次培训课程为期两天，是课堂讲解和电脑实际操作(包括统计软件sas)相结合的教学方式，具体内容见课程表。主讲教授为南丹麦大学临床医学研究部武春森教授。
面向对象：医学部及附属医院青年教师、博士生、研究生及公共卫生学院研究生工作站青年骨干（研究生工作站限每单位1-2名）,学员需要有较好的SAS或R软件使用基础。
人数限额：120人，报完为止。截止日期：2019年10月9日。
全程免费，食宿自理（独墅湖校区1期1-3食堂凭支付宝或微信可以用餐），自备电脑
联系人：乔亚南邮箱1334290253@qq.com; 手机：18855176794
地点：仁爱路199号苏州大学独墅湖校区一期炳麟图书馆1楼西南侧学术报告厅
课程表（英文PPT中文讲解）
课前阅读材料: chapter 1, 2.1-2.8, 4, 9-11, 13（课前材料加入公众号“苏大公共卫生学院DAG”后下载）
DAY 1
2019年10月13日
9:10 – 10:00: Introduction to DAG I
10:10-11:00: Introduction to DAG2
11:10-12:00: How to Draw a DAG, Dagitty
13:00-15:00: Exercises
15:10-16:00: Backdoor criteria，variable selection in regression，signed DAG
课前阅读材料: Chapter 2.9, 5, 6 , 8
DAY 2
2019年10月14日
9:10 – 10:00: DAG simulation and quantifying potential bias/association
10:10-11:00: Instrumental variable and RCT are explained by DAG
11:10-12:00: Selection and information bias are explained by DAG
13:00-15:00: Exercise
15:10-16:00: Effect modification is explained by DAG
主讲教授简历
武春森博士，来自南丹麦大学，博士生导师并获聘终身副教授。主要的研究方向是关于生殖流行病学及健康疾病起源的研究，研究孕前，孕产期因素例如母亲孕期疾病，营养等对后代远期健康状况的研究，近几年参与并指导了多项临床研究和博士生的培养工作，现已在国际杂志发表SCI论文70余篇。
武春森教授热衷于统计方法在医学研究中的应用及教学工作，除了传统统计学比如多元线性，logistic及Cox回归外，他对病因推断非常感兴趣，分别在南丹麦大学和以前就读及任职的丹麦奥胡斯大学参与硕士和博士课程的教学工作，另外连续3年（2014-2016）参与了在意大利佛罗伦萨举行的欧洲流行病学暑期培训班第二周的教学工作及两度（2017-018）前往坦桑尼亚参与博士课程的教学工作。
除了以上的日常教学科研工作，武春森教授还为大学医院的部分医生提供医学研究设计和数据分析方面的咨询。
回执
姓名 | 单位 | 手机 | 邮箱 |
|
|
|
|
|
|
|
|