Gut gemachte experimentelle Studien lassen auf den kausalen Zusammenhang zwischen Ursache und Wirkung schließen. Aber wie sieht es aus für Daten aus Beobachtungsstudien, Registerdatenbanken, Versicherungsdatenbanken, sogenannten Big Data Analysen? Im Seminar wird auf statistische Methoden eingegangen, die versuchen Kausalität in Beobachtungsstudien messbar zu machen (z.B.: Propensity Scoring, Adaptives Design und Structural Causality Model). Der Workshop soll das Verständnis für diese Methoden vertiefen, um das kritische Interpretieren von Studienergebnissen aus Beobachtungsstudien zu erleichtern.
Zielgruppe
Alle, die Beobachtungsstudien lesen und deren Glaubwürdigkeit und Methodik besser einschätzen möchten bzw. Personen, die selbst Beobachtungsstudien durchführen.
Abschluss
Teilnahmezertifikat
Lernformat
Dauer
2 Tage
DFP-Punkte
16
Teilnahmegebühr
EUR 590,--
Sprache
Deutsch
Studienort
Donau-Universität Krems
Dr.-Karl-Dorrek-Straße 30
3500 Krems
Dr.-Karl-Dorrek-Straße 30
3500 Krems
Veranstalter
Termine & Vortragende
Termin
13.-14.12.2021
(Anmeldefrist: 15-11-2021)
28.-29.11.2022
(Anmeldefrist: 31.10.2022)
Dauer
2 Tage
jeweils 09:15 - 17:15
Vortragender
DI Erich Kvas, HERMESOFT, Österreich
Veranstaltungsort
Donau-Universität Krems
Dr.-Karl-Dorrek-Straße 30, 3500 Krems
Österreich
Stornobedingungen: Eine Stornierung der Anmeldung ist bis zu einer Woche vor Veranstaltungsbeginn möglich. In diesem Fall ist eine Stornogebühr in der Höhe von 20% der Teilnehmergebühr zu entrichten. Danach ist keine Stornierung mehr möglich.
Wissenschaftliche Leitung
Organisationsassistenz
Fragen zum Workshop?
Nehmen Sie gerne direkt Kontakt auf.
Tags