Studien konzentrieren sich oft auf die Assoziation zwischen zwei Variablen, z. B. zwischen einem Risikofaktor und einer Krankheit. Die Realität ist jedoch meist komplex und es gibt viele andere Variablen, die diesen Zusammenhang beeinflussen können. Manchmal kann das Vorhandensein einer dritten Variable entweder die Assoziation zwischen den beiden untersuchten Variablen übertreiben oder eine zugrunde liegende echte Assoziation verschleiern. Dies wird als Confounding bezeichnet und ist der Albtraum eines jeden Forschers. In diesem Modul lernen Sie mehrere Methoden kennen, um Confounding in einer Studie zu erkennen, so dass Sie sich darauf vorbereiten können, damit umzugehen. Am Ende des Moduls werden Sie in der Lage sein, diese Methoden auf tatsächliche Daten anzuwenden und zu entscheiden, ob eine Verwechslung vorliegt.

Dieses Modul ist dem Umgang mit Confounding gewidmet. Confounding kann entweder in der Planungsphase, also vor der Datenerhebung, oder in der Analysephase behandelt werden. Sie lernen die wichtigsten Ansätze zum Umgang mit Confounding kennen und sehen praktische Beispiele, wie Sie dies in Ihren eigenen Studien tun können. Wir werden auch kurz auf die gerichteten azyklischen Graphen eingehen, eine neue Methode, um Verzerrungen und Verwechslungen zu erkennen und zu kontrollieren.

Dies ist das letzte Modul des Kurses. Wir beginnen damit, zu erörtern, was passiert, wenn sich die Wirkung einer Exposition auf ein Ergebnis je nach Niveau einer anderen Variablen unterscheidet. Dies wird als Effektmodifikation bezeichnet. Wir werden erörtern, wie man an die Effektmodifikation herangeht, und wir werden den Unterschied zwischen Confounding und Effektmodifikation hervorheben. Zum Abschluss des Kurses werden wir uns noch einmal mit der kausalen Inferenz in der Epidemiologie befassen und erörtern, wie wir alle möglichen Erklärungen für einen Zusammenhang durchgehen können, bevor wir entscheiden, ob er kausaler Natur ist.