Kursplan

Kausal inferens

Causal inference

Kurs
STA210
Avancerad nivå
7,5 högskolepoäng (hp)

Om kursplanen

Diarienummer
GU 2025/3433
Ikraftträdandedatum
2025-10-15
Beslutsdatum
2025-09-25
Gäller från termin
Vårterminen 2026
Beslutsfattare
Institutionen för medicin

Betygsskala

Tregradig skala

Kursens moduler

Individuell skriftlig examen, 5,5 högskolepoäng
Datorbaserade övningar, 2 högskolepoäng

Inplacering

Kursen är en obligatorisk kurs inom Mastersprogrammet i tillämpad biostatistik (M2STA).

Huvudområde med fördjupning

SATIB Tillämpad biostatistik - A1N Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav

Behörighetskrav

Behörighetskraven för kursen är en kandidatexamen om minst 180 högskolepoäng inom hälsovetenskapligt, ekonomiskt, naturvetenskapligt, eller ingenjörsvetenskapligt huvudområde samt en kurs i statistik eller kvantitativa metoder om minst 7,5 högskolepoäng. Vidare krävs Engelska B/Engelska 6 eller motsvarande, och Matematik 3b/3c eller motsvarande.

Innehåll

Denna kurs ger en introduktion till centrala begrepp och metoder inom kausal inferens, med fokus på tillämpningar inom hälsovetenskap. Både konceptuella ramverk och statistiska metoder diskuteras. Kursen behandlar hur man formulerar kausala frågor i ett ramverk för potentiella utfall, ritar kausala diagram, identifierar källor till confounding och bias, samt tillämpar lämpliga strategier för att uppskatta kausala effekter med hjälp av observations- och experimentdata. Ämnen som behandlas är bland annat mediering, propensity score-metoder och mer avancerade tekniker såsom simuleringsbaserade tillvägagångssätt som g-formeln. Under hela kursen läggs tonvikt på att kritiskt utvärdera de antaganden som krävs för kausal tolkning av resultaten, och att förstå konsekvenserna av dessa antaganden för tillämpningar, till exempel policyer och interventioner. Kursen introducerar också verktyg för att utvärdera robustheten i kausala resultat. Kursen ger tillfälle till reflektion över användningen av kausal inferens som underlag till evidensbaserade beslut relaterade till hållbar utveckling avseende exempelvis god hälsa och jämlikhet i hälsofrågor. Exempel och data som belyser utmaningar inom sådan analys, såsom till exempel sociodemografiska faktorers roll i orsakskedjor, kommer att användas.


Kursen är hållbarhetsfokuserad.

Mål

Efter godkänd kurs ska studenten kunna:


Kunskap och förståelse

  • Beskriva centrala begrepp och teoretiska ramverk som används vid kausal inferens.
  • Förklara viktiga antaganden som krävs för kausal tolkning av samband i observations- och experimentella studier.


Färdigheter och förmåga

  • Konstruera och tolka grafiska representationer av antagna orsakssamband.
  • Identifiera och tillämpa lämpliga metoder för att uppskatta kausala effekter under olika studiedesigner.
  • Använda statistisk programvara för att implementera tekniker för kausal inferens och tolka resultaten i sitt sammanhang.


Värderingsförmåga och förhållningssätt

  • Kritiskt utvärdera giltigheten av kausala slutsatser i observations- och experimentell forskning.
  • Reflektera över styrkor och begränsningar hos olika metoder för kausal inferens i förhållande till datakvalitet, antaganden och relevans för den aktuella frågan.
  • Reflektera över den roll som kausal inferens spelar för att stödja evidensbaserade beslut som bidrar till hållbar utveckling och jämlika hälsoresultat.

Hållbarhetsmärkning

Kursen är hållbarhetsfokuserad, vilket innebär att minst ett av kursens lärandemål tydligt visar att kursens innehåll uppfyller minst ett av Göteborgs universitets fastställda kriterier för hållbarhetsmärkning. Detta innehåll utgör även kursens huvudsakliga fokus.

Former för undervisning

Kursen är en kombination av föreläsningar, seminarier och datorövningar.

Undervisningsspråk: engelska

Examinationsformer

Kursen examineras genom en individuell skriftlig tentamen (5.5hp) och fyra obligatoriska datorbaserade övningar (4 x 0.5hp). Komplettering av icke godkända obligatoriska moment kommer att erbjudas, i ska göras enligt lärarens instruktioner.


Om en student som har underkänts två gånger på samma examinerande moment önskar byta examinator inför nästa examinationstillfälle ska en sådan begäran bifallas om det inte finns särskilda skäl däremot (6 kap. 22 § HF).

Om en student har fått besked om pedagogiskt stöd från Göteborgs universitet med rekommendation om anpassad examination och/eller anpassad examinationsform kan examinator, i det fall det är förenligt med kursens lärandemål och förutsatt att inte orimliga resurser krävs, besluta att bevilja studenten anpassad examination och/eller anpassad examinationsform.

Om en kurs har avvecklats eller genomgått en större förändring ska studenten erbjudas minst två examinationstillfällen, utöver ordinarie examinationstillfälle. Dessa tillfällen fördelas under en tid av minst ett år, dock som längst två år efter det att kursen avvecklats/förändrats. Vad gäller praktik och verksamhetsförlagd utbildning (VFU) gäller motsvarande, men med begränsning till endast ett ytterligare examinationstillfälle.

Om en student har fått besked om att denne uppfyller kraven för att vara student vid Riksidrottsuniversitetet (RIU-student) har examinator rätt att besluta om anpassning vid examination, om detta görs i enlighet med Lokala regler gällande RIU-studenter vid Göteborgs universitet.

Betyg

Betygsskalan består av: Väl godkänd (VG), Godkänd (G) och Underkänd (U). De obligatoriska datorbaserade övningarna betygsätts med Godkänd (G) och Underkänd (U), den individuella skriftliga tentamen betygsätts med Väl godkänd (VG), Godkänd (G) och Underkänd (U).

För att erhålla betyget Godkänd på kursen krävs betyget Godkänd på både de obligatoriska övningarna och den skriftliga tentamen. För att erhålla betyget Väl godkänd på kursen krävs betyget Godkänd på de obligatoriska momenten och betyget Väl godkänd på den individuella skriftliga tentamen.

Kursvärdering

Kursutvärderingen genomförs i form av ett anonymt frågeformulär. En sammanställning av frågeformuläret görs av kursansvarig. Resultatet och eventuella förändringar i kursens upplägg ska förmedlas både till de studenter som genomförde värderingen och till de studenter som ska påbörja kursen.

Övriga föreskrifter

Varje deltagare behöver tillgång till en bärbar dator (minst 8 GB RAM rekommenderas) med mjukvaran R samt en integrerad utvecklingsmiljö (såsom RStudio eller eller annat användargränssnitt för R) installerat.