Presentaties en lezingen

[02 okt 2024] Inleiding tot proximale causale inferentie 👉🔗

Proximale causale inferentie gebruikt variabelen rond een bekende maar niet gemeten verstorende confounder om te proberen puntschattingen van causale effecten te krijgen. Hoe werkt het? Deze presentatie legt het uit in lekentaal.

[01 mei 2024] Inleiding tot standaardisatie 👉🔗

Een korte introductie over standaardisatie, een belangrijke klasse van g-methoden die veel worden gebruikt in moderne causale inferentie.

[07 feb 2024] Causaal taalgebruik in klinische richtlijnen diabetes mellitus: een evaluatie van causaliteit en afstemming 👉🔗

Presentatie van het onderzoeksvoorstel voor mijn masterscriptieproject. Hoe zien causale talen en koppelwoorden eruit in klinische richtlijnen, en of ze correct worden gebruikt en geïnterpreteerd?

[20 sep 2024] Data Cleaning: Detecteren, diagnosticeren en bewerken van data-abnormaliteiten

Data cleaning is een must, maar wordt nauwelijks genoemd, gerapporteerd en onderwezen in epidemiologische cursussen. Het beste artikel dat we konden vinden dat dit onderwerp besprak, werd ongeveer twee decennia geleden gepubliceerd. Moet data cleaning terug naar de aandacht van epidemiologen? Dit is een presentatie van het artikel Data Cleaning: Detecteren, diagnosticeren en bewerken van data-abnormaliteiten (van den Broeck et al., PLoS Medicine 2005;2(10):e267.)

[31 mei 2024] Causaal machinaal leren voor behandelresultaten 👉🔗

Het schatten van causaal effect, waar contrafactische werelden bij betrokken zijn, is altijd aantrekkelijk, met name met machinale leertechnieken. Wat kan ML doen voor causale inferentie en hoe moeten we erover denken? Dit is een presentatie van het artikel Causal machine learning for predicting treatment outcomes (Nature Medicine 2024;30:958–68).