Formation en épidémiologie clinique

Leçon 1 • Concepts épidémiologiques fondamentaux

Présente la population, l'exposition, le résultat et le temps comme unités d'analyse fondamentales. Fournit le vocabulaire conceptuel utilisé tout au long du cours.

Leçon 2 • Sources de données et bases de données cliniques

Étudie les sources de données primaires et secondaires disponibles pour la recherche clinique. Met en évidence les forces et les limites pertinentes pour les choix de conception d'étude.

Leçon 3 • Définir l'épidémiologie clinique

Clarifie la portée et l'objectif de l'épidémiologie clinique en tant que discipline. Relie les méthodes basées sur la population à la prise de décision clinique individuelle.

Leçon 1 • Intervalles de confiance et précision

Explique la construction de l'intervalle de confiance et son rôle dans l'expression de l'incertitude d'une estimation. Relie la précision à la taille de l'échantillon et aux décisions de conception de l'étude.

Leçon 2 • Mesures absolues de l'effet

Présente la différence de risque et la fraction attribuable pour quantifier l'impact en santé publique. Complète les mesures relatives en transmettant la pertinence clinique et populationnelle.

Leçon 3 • Signification statistique vs pertinence clinique

Distingue les valeurs P des mesures d'importance clinique. Forme les étudiants à éviter une confiance excessive dans les seuils de signification lors de l'interprétation clinique.

Leçon 1 • Stratégies d'échantillonnage et représentativité

Enseigne les méthodes d'échantillonnage probabiliste et non probabiliste et leur effet sur la généralisabilité. Relie les décisions d'échantillonnage à la validité externe.

Leçon 2 • Sélection du type d'étude approprié

Fournit un cadre de décision pour faire correspondre les questions de recherche aux types d'études. Intègre les considérations de faisabilité, d'éthique et de validité.

Leçon 3 • Types d'études observationnelles

Couvre les études de cohorte, cas-témoins et transversales avec leurs caractéristiques distinctives. Positionne chaque type d'étude dans la hiérarchie des preuves.

Leçon 4 • Calculs de la taille de l'échantillon et de la puissance

Présente les paramètres qui déterminent l'estimation de la taille de l'échantillon pour les types d'études courants. Permet aux étudiants de planifier des études dotées d'une puissance adéquate.

Leçon 1 • Facteurs de confusion : concepts et détection

Explique la confusion comme un mélange d'effets et les critères d'identification des facteurs de confusion. Introduit des outils graphiques pour l'identification des facteurs de confusion.

Leçon 2 • Biais d'information et de mesure

Couvre le biais de mémorisation, le biais de l'observateur et l'erreur de classement comme sources d'erreur de mesure. Distingue l'erreur de classement différentielle de l'erreur de classement non différentielle et leurs effets.

Leçon 3 • Biais de sélection

Définit le biais de sélection et ses sous-types, y compris le biais du travailleur sain et le biais de Berkson. Démontre comment une sélection différentielle fausse les estimations d'association.

Leçon 1 • Rapports de vraisemblance et utilité clinique

Présente les rapports de vraisemblance comme des mesures de la performance d'un test indépendantes de la prévalence. Démontre l'utilisation du nomogramme de Fagan pour la révision des probabilités au chevet du patient.

Leçon 2 • Propriétés des tests diagnostiques

Présente le cadre du tableau deux fois deux pour l'évaluation des tests. Définit la sensibilité, la spécificité et leurs compromis cliniques.

Leçon 3 • Courbes ROC et sélection du seuil

Enseigne les courbes ROC pour évaluer la performance des tests continus. Guide la sélection du seuil en fonction des conséquences cliniques.

Leçon 4 • Évaluation des programmes de dépistage

Applique les principes des tests diagnostiques au contexte du dépistage en population. Aborde les biais de délai de diagnostic, de durée de la phase préclinique et de surdiagnostic propres au dépistage.

Leçon 1 • Principes de la recherche pronostique

Définit le pronostic et distingue les questions de recherche pronostiques des questions étiologiques. Introduit le plan de cohorte de début d'étude comme référence pour les études de pronostic.

Leçon 2 • Fondamentaux de l'analyse de survie

Couvre les données de délai avant événement, la censure et l'estimation de Kaplan-Meier. Fournit des outils pour lire et interpréter les courbes de survie issues de la littérature clinique.

Leçon 3 • Modèles pronostiques multivariables

Présente la régression des risques proportionnels de Cox pour l'identification des facteurs pronostiques indépendants. Aborde la construction du modèle, les rapports de risques et l'hypothèse des risques proportionnels.

Leçon 1 • Aperçu de la méta-analyse en réseau

Présente la comparaison indirecte et la méta-analyse en réseau pour la synthèse de preuves portant sur plusieurs traitements. Met en évidence les hypothèses et les limites pour l'application clinique.

Leçon 2 • Méthodes de méta-analyse

Couvre les modèles à effets fixes et à effets aléatoires, les diagrammes en forêt et les statistiques d'hétérogénéité. Permet aux étudiants de réaliser et d'interpréter une synthèse quantitative.

Leçon 3 • Recherche documentaire et sélection des études

Enseigne les workflows de recherche exhaustive dans les bases de données, de déduplication et de filtrage. Aborde la fiabilité inter-évaluateurs dans la sélection des études.

Leçon 4 • Principes de la revue systématique

Distingue les revues systématiques des revues narratives et décrit le cadre PICO. Couvre l'enregistrement du protocole et les normes de reproductibilité.

Leçon 1 • Analyse par variable instrumentale

Explique les méthodes de variables instrumentales pour estimer les effets causaux en présence de confusion non mesurée. Couvre la randomisation mendélienne comme application clinique.

Leçon 2 • Cadre contrefactuel et causalité

Présente les résultats potentiels et la définition contrefactuelle des effets causaux. Relie ce cadre à la randomisation et à la logique des études observationnelles.

Leçon 3 • Graphes acycliques orientés en pratique

Applique les règles des DAG pour identifier les facteurs de confusion, les médiateurs et les facteurs de collision dans les plans d'étude. Montre comment les DAG guident la sélection des variables pour l'ajustement.

Leçon 4 • Méthode des doubles différences et séries temporelles interrompues

Couvre les plans quasi-expérimentaux exploitant les variations naturelles des politiques pour l'inférence causale. Aborde l'hypothèse de tendances parallèles et la régression segmentée.