L’une des principales motivations des essais cliniques et des études d’observation chez l’homme est de déduire les causes et les effets. Il est extrêmement important de démêler la causalité des facteurs de confusion. « Principes fondamentaux de l’inférence causale : avec R » explique et met en relation différentes méthodes d’ajustement des facteurs de confusion en termes de résultats potentiels et de modèles graphiques, y compris la standardisation, l’estimation doublement robuste, l’estimation des différences dans les différences, l’estimation frontale (front door) et l’estimation des variables instrumentales. Ces méthodes sont comparées en termes d’estimation de l’effet moyen du traitement sur le traité (ATT). Les principes fondamentaux de l’analyse de la médiation et de l’ajustement pour les facteurs de confusion dépendants du temps sont également présentés. Plusieurs exemples de données réelles, des études de simulation et des analyses utilisant R motivent et illustrent les méthodes tout au long du cours. Le cours suppose une certaine familiarité avec la statistique et la probabilité de base, la régression et R. Le cours sera enseigné à l’aide d’un mélange de cours magistraux, d’exemples travaillés et d’exemples pratiques dans R.