BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//132.216.98.100//NONSGML kigkonsult.se iCalcreator 2.20.4//
BEGIN:VEVENT
UID:20251109T055230EST-5551vxTuiw@132.216.98.100
DTSTAMP:20251109T105230Z
DESCRIPTION:Les principaux intérêts méthodologiques du professeur Schuster 
 portent sur l'élaboration et l'application de méthodes d'inférence causale
  pour la conception et l'analyse d'essais cliniques comparatifs aléatoires
  en grappes et de recherches par observation fondées sur des données admin
 istratives ou électroniques de dossiers médicaux.\n\nLes méthodes d'appren
 tissage machine gagnent en popularité dans les études sur l'innocuité des 
 médicaments à l'aide de grandes bases de données d'observation. Les applic
 ations comprennent l'identification des facteurs de risque pour les résult
 ats de santé critiques et la classification des patients en strates de ris
 que afin d'optimiser les recommandations de traitement individuelles et la
  surveillance au cours du traitement. Les facteurs modificateurs de risque
  peuvent être des caractéristiques invariantes d'un individu\, mais aussi 
 des expositions dépendantes du temps. Les interactions médicamenteuses inv
 olontaires qui sont difficiles à modéliser à l'aide d'approches convention
 nelles d'analyse des données (p. ex. les modèles de régression des risques
 ) en raison de la nature complexe et dynamique dans le temps des expositio
 ns multiples aux médicaments constituent une menace particulière. Dans son
  discours. Le professeur Schuster montrera des exemples sur la façon dont 
 les approches d'apprentissage machine peuvent être utilisées pour aider à 
 identifier les prédicteurs de risque potentiels dans des contextes de donn
 ées complexes. Il démontrera les limites des approches de ML dans les situ
 ations où l'ordre temporel des informations d'entrée (candidats prédicteur
 s) est ignoré et où le biais de stratification des collisionneurs rendra i
 nvalides les approximations d'importance variable estimée et les estimatio
 ns des effets associés pour leurs équivalents causaux\n	\n	Rejoignez-nous en
 suite pour l'événement 'Buck-a-beer' de 16h à 18h pour le corps professora
 l\, le personnel et les étudiants. \n	* La bière sera vendue à 1$ l'unité. 
 \n	\n	Département de médecine de famille\n	5858\, chemin de la Côte-des-Neige
 s\, salle 300\n	\n	Il n'y a pas de stationnement sur le site et le stationne
 ment est limité dans la région.\n	Les taxis et les transports publics sont 
 donc conseillés.\n	\n	Vous ne pouvez pas assister physiquement au séminaire\
 , mais vous aimeriez y assister ? Veuillez vous joindre au webinaire ici.
 \n	(Note : Les étudiants du FMED 504 doivent assister à ce séminaire)\n
DTSTART:20190206T200000Z
DTEND:20190206T210000Z
LOCATION:CA\, QC\, Montreal\, Department of Family Medicine\, 5858 Chemin d
 e la Côte-des-Neiges\, Suite 300
SUMMARY:Séminaire de recherche: « No causality in - No causality out: Utili
 ty and limits of machine learning in drug safety research » par Tibor Schu
 ster\, PhD
URL:/familymed/fr/channels/event/seminaire-de-recherch
 e-no-causality-no-causality-out-utility-and-limits-machine-learning-drug-s
 afety-294409
END:VEVENT
END:VCALENDAR