Cours de biostatistiques

Leçon 1 • Rôle de la statistique dans la recherche en santé

Définit la biostatistique et son rôle dans la médecine fondée sur les preuves. Établit pourquoi le raisonnement quantitatif est essentiel aux décisions cliniques et de santé publique.

Leçon 2 • Organisation et représentation des données

Couvre les tableaux de fréquences, les histogrammes et les diagrammes en barres pour l'exploration initiale des données. La visualisation révèle les schémas distributionnels avant l'analyse formelle.

Leçon 3 • Bases de la collecte de données et de la conception d'études

Présente les sources de données observationnelles et expérimentales et leurs limites. Lie la méthode de collecte aux biais potentiels et à la qualité des données.

Leçon 1 • Analyse exploratoire des données en pratique

Applique des outils descriptifs à des jeux de données de santé réels pour détecter les anomalies et les schémas. L'AED précède l'inférence formelle et guide la génération d'hypothèses.

Leçon 2 • Mesures de tendance centrale

Enseigne la moyenne, la médiane et le mode en insistant sur le moment où chacune est appropriée. Relie le choix de la mesure au type de variable et à la forme de la distribution.

Leçon 3 • Synthèse des données avec les diagrammes en boîte

Construit et interprète les diagrammes en boîte pour afficher les résumés à cinq nombres. Les diagrammes en boîte communiquent efficacement la dispersion, la médiane et les valeurs aberrantes simultanément.

Leçon 4 • Mesures de variabilité

Couvre l'étendue, la variance, l'écart-type et l'écart interquartile. Les mesures de variabilité quantifient l'incertitude et la dispersion des données autour du centre.

Leçon 1 • Probabilité conditionnelle et théorème de Bayes

Explique la probabilité conditionnelle et la mise à jour des croyances à l'aide du théorème de Bayes. Directement applicable à l'interprétation des tests diagnostiques et au dépistage des maladies.

Leçon 2 • Concepts de base des probabilités

Définit la probabilité, les espaces échantillonnaux et les événements à l'aide d'exemples en santé. Ces concepts sont le fondement logique de toute inférence statistique.

Leçon 3 • Lois de probabilité discrètes

Couvre les lois binomiale et de Poisson avec des paramètres pertinents pour la santé. Modélise les résultats de comptage tels que les cas de maladie et les événements indésirables.

Leçon 4 • Lois de probabilité continues

Présente les lois normale et de Student ainsi que leurs fonctions de densité de probabilité. Les lois continues modélisent les mesures biologiques et la variabilité d'échantillonnage.

Leçon 1 • Principes de l'estimation ponctuelle

Définit les estimateurs et les propriétés souhaitables telles que l'absence de biais et l'efficacité. Établit le lien conceptuel entre les statistiques d'échantillon et les paramètres de la population.

Leçon 2 • Intervalles de confiance pour les moyennes

Construit des intervalles basés sur z et t pour les moyennes simples et appariées. La largeur de l'intervalle reflète la taille de l'échantillon et la variabilité des données.

Leçon 3 • Détermination de la taille de l'échantillon pour l'estimation

Dérive des formules pour atteindre la marge d'erreur souhaitée pour les moyennes et les proportions. Une planification appropriée de la taille de l'échantillon garantit que les études sont suffisamment puissantes et efficaces.

Leçon 1 • Logique et cadre du test d'hypothèse

Explique les hypothèses nulle et alternative, les niveaux de signification et les règles de décision. Le cadre structure la manière dont les preuves sont évaluées par rapport à une hypothèse par défaut.

Leçon 2 • Tests pour les données catégorielles

Applique les tests du chi-deux pour l'indépendance et la qualité d'ajustement aux tableaux de fréquences. Ces tests évaluent les associations entre variables catégorielles dans les études en santé.

Leçon 3 • Puissance statistique et taille d'échantillon pour les tests

Définit la puissance, l'erreur bêta et la taille d'effet et les relie à la taille de l'échantillon. Une puissance adéquate évite les conclusions faussement négatives dans la recherche clinique.

Leçon 4 • Tests à deux échantillons pour les moyennes

Compare les moyennes de deux groupes indépendants et d'observations appariées. Le choix du test correct dépend du plan d'étude et des hypothèses de variance.

Leçon 1 • Mesures de corrélation et interprétation

Calcule les coefficients de corrélation de Pearson et de Spearman et teste leur signification. La corrélation quantifie les associations linéaires et monotones sans impliquer la causalité.

Leçon 2 • Diagnostic de régression et hypothèses

Vérifie la linéarité, l'homoscédasticité, la normalité des résidus et les points influents. La violation des hypothèses biaise les estimations et invalide l'inférence.

Leçon 3 • Régression linéaire simple

Ajuste un modèle linéaire pour prédire un résultat continu à partir d'un prédicteur. Les coefficients de régression quantifient l'ampleur et la direction de l'association.

Leçon 4 • Régression linéaire multiple

Étend la régression à plusieurs prédicteurs et introduit le contrôle des facteurs de confusion. Les coefficients ajustés isolent la contribution indépendante de chaque prédicteur au résultat.

Leçon 1 • Analyse de la variance à un facteur

Partitionne la variabilité totale en composantes inter-groupes et intra-groupes. L'ANOVA teste si au moins une moyenne de groupe diffère des autres.

Leçon 2 • Plans à mesures répétées et plans mixtes

Traite les mesures intra-sujet dans le temps ou dans des conditions à l'aide de l'ANOVA à mesures répétées. Tient compte de la corrélation entre les observations répétées pour améliorer la puissance.

Leçon 3 • ANOVA à deux facteurs et effets d'interaction

Analyse simultanée de deux facteurs catégoriels et test de l'interaction. L'interaction révèle si l'effet d'un facteur dépend du niveau d'un autre.

Leçon 4 • Tests non paramétriques pour les données ordinales et non normales

Applique des alternatives basées sur les rangs aux tests t et à l'ANOVA lorsque la normalité est intenable. Les tests non paramétriques préservent la validité avec de petits échantillons ou des distributions asymétriques.

Leçon 1 • Régression à risques proportionnels de Cox

Modélise l'effet des covariables sur le taux de risque à l'aide du modèle de Cox. Les rapports de risque de ce modèle s'ajustent pour les facteurs de confusion dans les études de survie.

Leçon 2 • Introduction à l'analyse de survie

Définit la censure, les fonctions de survie et les fonctions de risque pour les données de temps jusqu'à un événement. Les méthodes de survie traitent le suivi incomplet que la régression standard ne peut pas aborder.

Leçon 3 • Standardisation et ajustement des taux

Élimine les facteurs de confusion tels que l'âge à l'aide de la standardisation directe et indirecte. Les taux ajustés permettent des comparaisons valides entre des populations de compositions différentes.

Leçon 4 • Mesures de fréquence des maladies

Définit l'incidence, la prévalence et les taux de mortalité ainsi que leurs dénominateurs. Des mesures de fréquence précises sont la base de la comparaison du fardeau de la maladie entre les populations.