Plus d’informations à venir.

Jour 1

Introduction à l’émulation des essais de cibles

Jour 1

Introduction à l’émulation des essais de cibles

Jour 3

Comparaison entre initiateurs et non initiateurs

Jour 4

Mise en œuvre pratique de l’inférence causale pour les décisions de traitement à temps fixe (avec R)

Jour 5

Émulation pratique d’essais cibles avec une période de grâce (avec R)

Raphaël Porcher is a Professor of Biostatistics with expertise in innovative statistical methods for causal inference and personalized medicine, and emulation of complex target trials with observational data, and a chair in the PR[AI]RIE- PSAI AI cluster. As PI or Co-Investigator of several nationally-funded (e.g., French Agence Nationale de la Recherche) or European Union-funded (e.g., H2020 programs) projects, his research focuses on 1) causal inference methods to estimate the effect of interventions with real-world data, especially in the case of time-varying treatments; 2) statistical methods for personalized medicine, including clinical trials designs and the analysis of observational studies; 3) methodological issues in target trial emulation; and 4) the use
of observational data for drug assessment by regulators of heath technology assessment.

He also has long-lasting experience in designing and analyzing studies aiming to emulate a target trial, including complex situations of treatment durations or with time-varying treatments. At Université Paris Cité level, Raphaël Porcher is the director of the college of doctoral studies, and he is also the President of the national network of doctoral colleges (Réseau National des Collèges Doctoraux, France PhD).

Viet-Thi Tran est professeur des Universités / praticien hospitalier (PUPH) en épidémiologie à Université Paris Cité et à l’Assistance Publique Hôpitaux de Paris. Il a deux thématiques de recherche principales. La première est le développement d’une “médecine minimalement disruptive” (Minimally Disruptive Medicine) pour les patients souffrant de maladies chroniques et de multimorbidité. En particulier, il travaille à l’extension de ce concept afin de prendre en compte l’apport et les fardeaux spécifiques que pourraient représenter l’utilisation d’outils connectés et de l’intelligence artificielle pour les patients. La seconde est le développement de nouvelles méthodes de sciences citoyennes, en particulier, via l’utilisation de questionnaires en ligne avec des questions ouvertes pour impliquer massivement les patients dans la génération d’idées pour la recherche.

Il est également co-investigateur de l’e-cohorte ComPaRe, une e-cohorte de 50 000 patients souffrant de maladies chroniques en France.