Ce cours présentera toutes les définitions de base, ainsi que les concepts et principes généraux de la pharmacoépidémiologie périnatale. Le cours sera donné comme exposé magistral avec du temps pour les questions à la fin.

Ce cours, mené par deux patientes partenaires impliquées en recherche périnatale, explorera comment engager les patient·e·s partenaires et le public ainsi que les utilisateur·trice·s des connaissances dans la recherche en décrivant les principales étapes et les éléments à considérer pour la co-création de la recherche avec ceux-ci.

Comprendre les concepts d'équité, de diversité et d'inclusion (EDI) est fondamental pour atteindre les objectifs de l'EDI et adopter une approche plus proactive afin de garantir que les différents groupes démographiques soient mieux représentés dans la société en général. La prise en compte de la dynamique de l'EDI devient une nécessité et exige un changement dans notre façon de travailler et de fournir des soins de santé. Il est essentiel de développer un plan d'EDI qui intègre une vision, une mission, des actions concrètes et des mesures d'évaluation. L'adoption et la mise en œuvre d'une approche scientifique et raisonnée de l'EDI deviennent essentielles pour les étudiant·e·s, le corps enseignant et les prestataires de soins de santé afin de prévenir les préjugés discriminatoires à l'égard des personnes ayant des origines et des caractéristiques différentes. En étant plus conscient·e·s de nos croyances, en nous engageant à changer notre environnement et en agissant, nous aiderons les individus et les organisations à être plus inclusifs pour ceux qui y travaillent et ceux qui reçoivent des soins de santé.

Ce cours se penchera sur l'importance et les considérations méthodologiques entourant l'intégration du sexe et du genre en pharmacoépidémiologie à travers des exposés magistraux, des discussions de groupe et des exemples tirés de la littérature médicale.

Ce cours est la première partie d'une série de deux qui présentera aux stagiaires les principes de base de la découverte et du développement de médicaments. Dans cette première partie, un aperçu d'un produit pharmacologique de la découverte du médicament au développement complet sera couvert, suivi d'une précision sur l'identification des cibles thérapeutiques, la conception et la synthèse du médicament ainsi que la détermination de son efficacité.

Ce cours est la deuxième partie d'une série de deux qui présentera aux stagiaires les principes de base de la découverte et du développement de médicaments. Dans cette deuxième partie, un très bref aperçu d'un produit pharmacologique, de la découverte du médicament au développement complet, sera examiné, suivi d'un accent sur les études toxicologiques requises et les essais cliniques.

Dans ce cours, les bases de la neuropharmacologie seront couvertes et les étudiants auront un aperçu du cerveau cellulaire et moléculaire leur permettant de comprendre pourquoi les récepteurs et les transporteurs représentent plus de 50% de toutes les cibles thérapeutiques. Les orientations futures seront également discutées.

Depuis 10-15 ans, la pharmacologie inversée et l'utilisation d'outils moléculaires de pointe ont permis de déterminer le rôle et la fonction des protéines ainsi que de déconstruire l'organisation des circuits cérébraux dans des comportements complexes.

Ce club de lecture vise à approfondir les compétences en matière d'évaluation critique et à développer la pensée critique pour l'analyse et la lecture d'articles scientifiques concernant l'étude des effets indésirables des perturbations environnementales sur le comportement dans des modèles animaux (in vivo). Cette session offrira une opportunité interactive et sociale d'apprentissage entre pairs avec du temps pour des questions et discussions de groupe.

Les stagiaires de notre cohorte 2025-2026 seront divisé·e·s en 2 groupes et chaque groupe présentera respectivement une critique de l'un des articles suivants durant le club de lecture.

✓  Mourlon V et al (2010). Maternal deprivation induces depressive-like behaviours only in female rats.
✓  Baudin A et al (2012). Maternal deprivation induces deficits in temporal memory and cognitive flexibility and exaggerates synaptic plasticity in the rat medial prefrontal cortex.

Ce cours couvrira la terminologie de base de la pharmacogénomique, les méthodes de recherche et les principales limites de ces études.

Lectures préparatoires (PDF disponibles dans l'Espace membre):
✓  Blumenfeld YJ et al (2010). Maternal-fetal and neonatal pharmacogenomics: a review of current literature.
✓  Crisafulli C et al (2019). Pharmacogenetic and pharmacogenomic discovery strategies.

Ce cours résumera la valeur et les limites des études sur les médicaments utilisant des issues provenant du Big et Small Data et pourquoi les deux types d'études améliorent la rigueur de l'une et de l'autre.

Lectures préparatoires (PDF disponibles dans l'Espace membre):
✓  Bissel M (2013). Reproducibility: The risks of the replication drive.
✓  Allison DB & Fineberg HV (2020). EPA’s proposed transparency rule: Factors to consider, many; planets to live on, one.

Ce cours explorera les méthodes clés de la science de la mise en œuvre dans les études épidémiologiques et pharmacogénomiques périnatales et demandera aux participant·e·s de concevoir des méthodes propres à la science de la mise en œuvre pour une étude pharmacogénomique périnatale.

Lecture préparatoire (PDF disponible dans l'Espace membre):
✓  Phillips CA et al (2022). Implementation science in pediatric oncology: A narrative review and future directions.

Ce cours décrira les seuils importants pour les tests pharmacogénétiques fondés sur des preuves ainsi que les limites et la valeur des panneaux commerciaux.

Ce cours évaluera la qualité d'une étude périnatale et la valeur d'une étude pharmacogénomique fœtale. L'utilisation successive de ces deux types d'études sera discutée.

Les stagiaires de notre cohorte 2025-2026 seront divisé·e·s en 2 groupes et chaque groupe présentera respectivement une critique de l'un des articles suivants durant le club de lecture.

✓  Moriello C et al (2021). Off-label postpartum use of domperidone in Canada: a multidatabase cohort study.
✓  Raymond M et al (2022). Fetal pharmacogenomics: A promising addition to complex neonatal care.

Ce cours introduira les principes et concepts de base de la pharmacoépidémiologie, incluant les devis d'études et leurs caractéristiques de base. Le cours présentera également les concepts de biais et de facteurs de confusion en pharmacoépidémiologie.

Ce cours explorera les sources de données courantes utilisées en pharmacoépidémiologie et les considérations méthodologiques à l’aide de conférences didactiques, de discussions de groupe et d'exemples tirés de la littérature médicale.

Lecture préparatoire (PDF disponible dans l'Espace membre):
✓  Dormuth CR et al (2021). Comparison of Pregnancy Outcomes of Patients Treated With Ondansetron vs Alternative Antiemetic Medications in a Multinational, Population-Based Cohort.

Ce cours de phamacoépidémiologie intermédiaire s'appuiera sur le premier cours de ce module et présentera les méthodes utilisées pour corriger la confusion, y compris l'appariement des scores de propension, les variables instrumentales, les expositions variant dans le temps pendant la grossesse, etc. Il sera donné sous forme de cours magistral avec des périodes de questions intégrées et quelques travaux de groupe.

Lectures préparatoires (PDF disponibles dans l'Espace membre):
✓  Snowden JM et al (2018). The Curse of the Perinatal Epidemiologist: Inferring Causation Amidst Selection.
✓  Ukah UV et al (2022). Time-related biases in perinatal pharmacoepidemiology: A systematic review of observational studies.
✓  Stürmer T et al (2006). A review of the application of propensity score methods yielded increasing use, advantages in specific settings, but not substantially different estimates compared with conventional multivariable methods.
✓  Vigod SN et al (2015). Antipsychotic drug use in pregnancy: high dimensional, propensity matched, population based cohort study.

Ce cours de suivi de la Partie I de pharmacoépidémiologie intermédiaire introduira des méthodes quasi-expérimentales permettant de mieux cibler les questions de recherche causale. Ce cours sera donné comme exposé magistral avec des périodes de questions intégrées et des travaux en petits groupes.

Lectures préparatoires (PDF disponibles dans l'Espace membre):
✓  Choudhry NK et al (2010). At Pitney Bowes, value-based insurance design cut copayments and increased drug adherence.
✓  Schummers L et al (2022). Abortion Safety and Use with Normally Prescribed Mifepristone in Canada.
✓  Smith LM et al (2017). Strategies for evaluating the assumptions of the regression discontinuity design: a case study using a human papillomavirus vaccination programme
✓  Socha PM et al (2024). Antenatal corticosteroids and newborn respiratory outcomes in twins: A regression discontinuity study.

Ce cours utilisera des articles scientifiques publiés pour examiner et résumer tous les concepts vus dans le Module pharmacoépidémiologie. Cette session sera interactive avec des questions et réponses.

Les stagiaires de notre cohorte 2025-2026 seront divisé·e·s en 2 groupes et chaque groupe présentera respectivement une critique de l'un des articles suivants durant le club de lecture.

✓  Cleary B et al (2019). Methadone, Pierre Robin sequence and other congenital anomalies: case–control study.
‍✓  Andersen SL et al (2019). Maternal Thyroid Function, Use of Antithyroid Drugs in Early Pregnancy, and Birth Defect.

Ce cours s'adresse aux statisticien·ne·s, épidémiologistes, scientifiques des données et autres chercheur·e·s ou étudiant·e·s ayant une connaissance de base de la modélisation par régression. Le cours couvrira les stratégies générales d'ajustement des modèles de prédiction pour les variables continues, catégoriques et temporelles, y compris: l'analyse exploratoire/la visualisation des données; l'imputation des données manquantes; la sélection des covariables; la spécification du modèle; la validation/calibration du modèle; la gestion de la non-linéarité; et le choix entre les modèles statistiques conventionnels et les modèles d'apprentissage automatique (et les différences entre ces types de modèles). Le matériel de cours et les études de cas/exemples feront un usage intensif de R, de RStudio et des logiciels r Hmisc et rms de Frank Harrell. Le cours suivra la philosophie générale du manuel Regression Modelling Strategies, 2ième édition par Frank Harrell. (Manuel facultatif, mais recommandé - toutes les lectures et notes de cours nécessaires seront fournies aux participant·e·s).

Ce cours s'adresse aux statisticien·ne·s, épidémiologistes, scientifiques des données et autres chercheur·e·s ou étudiant·e·s ayant une connaissance de base de la modélisation par régression. Le cours couvrira les stratégies générales d'ajustement des modèles de prédiction pour les variables continues, catégoriques et temporelles, y compris: l'analyse exploratoire/la visualisation des données; l'imputation des données manquantes; la sélection des covariables; la spécification du modèle; la validation/calibration du modèle; la gestion de la non-linéarité; et le choix entre les modèles statistiques conventionnels et les modèles d'apprentissage automatique (et les différences entre ces types de modèles). Le matériel de cours et les études de cas/exemples feront un usage intensif de R, de RStudio et des logiciels r Hmisc et rms de Frank Harrell. Le cours suivra la philosophie générale du manuel Regression Modelling Strategies, 2ième édition par Frank Harrell. (Manuel facultatif, mais recommandé - toutes les lectures et notes de cours nécessaires seront fournies aux participant·e·s).

Ce cours, relativement avancé, en biostatistiques appliquées est conçu pour les stagiaires aux cycles supérieurs et les chercheur·e·s en (bio-)statistiques, (pharmaco-)épidémiologie, science des données, ainsi qu'en santé publique, qui ont une bonne compréhension de la régression multivariée et des connaissances en analyse de survie (en particulier le modèle de Cox).

La première partie du cours se concentrera sur l'introduction conceptuelle non technique aux méthodes de modélisation statistique et aux applications en vie réelle (principalement en pharmacoépidémiologie), avec un aperçu des différentes approches de modélisation qui peuvent être envisagées pour analyser les associations entre une exposition variable dans le temps à un médicament et le délai d’observation du critère d'évaluation clinique (par exemple, un évènement indésirable ou un décès). Ensuite, l'importance de considérer le potentiel (i) de latence entre l'exposition et le changement de risque et/ou (ii) des effets cumulatifs des expositions passées sera discutée. Finalement, la méthodologie de l'exposition cumulative pondérée (ECP) sera expliquée d’une manière accessible aux participants sans formation spécifique en statistiques ou biostatistiques.

La deuxième partie du cours se concentrera sur des exemples pratiques liés à l'utilisation du package R ECP pour analyser des données pharmacoépidémiologiques de vie réelle. La manière dont les données doivent être préparées pour les analyses ECP et les étapes nécessaires pour effectuer ces analyses seront expliquées.

Ce cours abordera les principes fondamentaux de l'application des méthodes du score de propension dans la recherche observationnelle en mettant l'accent sur la pharmacoépidémiologie. Nous couvrirons les principes de base des concepts d'inférence causale et présenterons comment les utiliser pour réduire l'impact du biais de confusion du eaux covariables observées. Le cours mettra l'accent sur l'application pratique de ces méthodes à l'aide d'exemples dans le langage de programmation R et se concentrera spécifiquement sur l'appariement et la pondération inverse de la probabilité d’être traité. Les stratégies pour adresser les complications courantes dans les analyses par score de propension seront discutées.

Ce cours explorera comment s'engager avec les utilisateur·trice·s des connaissances dans la recherche et couvrira différents types de méthodes de synthèse des connaissances dans la prise de décision. Les principales étapes et éléments à considérer pour la co-création de la recherche avec les utilisateur·trice·s des connaissances seront discutés.

Ce cours est une introduction à l'utilisation de l'apprentissage automatique dans la recherche appliquée. Plus précisément, le professeur examinera les hypothèses et les concepts qui sous-tendent l'application de l'apprentissage automatique pour mener des recherches avec des données sur la santé et le comportement.

Ce cours présentera des exemples d'utilisation de méthodes d'intelligence artificielle et d'apprentissage automatique en recherche périnatale. La professeure discutera des méthodes d'intelligence artificielle et d'apprentissage automatique, des défis courants et des solutions. Les participant·es seront exposé·es à plusieurs exemples de projets de recherche publiés et en cours au sein de la Canadian Mother-Child Cohort (CAMCCO) qui utilisent une méthodologie d'intelligence artificielle et d'apprentissage automatique.

Ce cours permettra aux participant·e·s de comprendre les applications de modèles d'apprentissage automatique à l'aide de données administratives sur la santé provenant du monde réel, telles que la cohorte de grossesses du Québec. Les participant·e·s auront un exemple d'un protocole développé pour l'utilisation de modèles d'apprentissage automatique afin de prédire les grossesses à risque de malformations congénitales majeures. Les participant·e·s passeront par les étapes de création de modèles d'apprentissage automatique, d'analyse et d'évaluation des résultats.

Ce cours fournira une compréhension du développement historique de l'intelligence artificielle (IA), mettant en évidence son rôle essentiel dans les progrès en recherche périnatale. Les participant·es auront un aperçu d'exemples concrets, incluant l'utilisation de données administratives de santé pour les soins materno-fœtaux et des applications de vision par ordinateur pour la prédiction de résultats issus de l'imagerie par ultrasons. La session se terminera par un cadre visionnaire pour l'avenir de l'IA en médecine et des conseils pratiques pour conceptualiser de futures recherches utilisant l'IA.