RENCONTRES DU 25 au 27 JUIN 2014 DIJON. L intérêt du Analysis Data Model (ADaM) pour le Data Management CENTRE DE TRAITEMENT DES DONNÉES

Dimension: px
Commencer à balayer dès la page:

Download "RENCONTRES DU 25 au 27 JUIN 2014 DIJON. L intérêt du Analysis Data Model (ADaM) pour le Data Management CENTRE DE TRAITEMENT DES DONNÉES"

Transcription

1 RENCONTRES DU 25 au 27 JUIN 2014 DIJON Centre Georges François Leclerc L intérêt du Analysis Data Model (ADaM) pour le Data Management Valentin Harter CENTRE DE TRAITEMENT DES DONNÉES DU CANCÉROPÔLE NORD-OUEST CENTRE FRANÇOIS BACLESSE - Caen 27 juin 2014

2 CDISC Europe Interchange

3 «We cannot have transparency without standards» Dr. Frank Rockhold (ex CDISC board) «[Wouldn t it be amazing if all of the clinical trial process could be standardized? In the meantime, let s do as much as we can ]» Monica Kowohl (formatrice ADaM) «La construction des tables ADaM reflète la façon de procéder d un biostatisticien bien structuré» Valentin Harter (simple data manager, juin 2014) 3

4 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 4

5 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 5

6 1. Encore un autre standard 6

7 1. Encore un autre standard 7

8 1. Encore un autre standard Les modèles utilisés par les relecteurs FDA Study Data Tabulation Model (SDTM) Les données collectées durant l étude, organisées par domaines (thèmes) Les metadata de ces données Analysis Data Model (ADaM) Les données calculées pour l analyse statistique et les rapports du promoteur Les observations utilisées pour l analyse statistique ou la traçabilité Les metadata de toutes ces données et des résultats Soumis à la FDA en complément du SDTM 8

9 1. Encore un autre standard SDTM et ADaM pour les relecteurs FDA 2 importantes sources d informations à propos de la recherche biomédicale Complémentaires (et évoluant maintenant en parallèle???) Utilisés à la fois par les relecteurs cliniques et statistiques 9

10 1. Encore un autre standard SDTM et ADaM pour les data managers académiques Quitte a avoir un standard interne, autant prendre ceux là! Les tables SDTM ne sont pas faites pour l analyse ADaM permet de tracer l ensemble du processus de l export des données jusqu à la productions des résultats Prévoir un gros travail pédagogique pour convertir les statisticiens 10

11 1. Encore un autre standard SDTM = base de données - Les données recueillies - Une table par thème Le produit fini du data manager filtres/flagging checks calculs formatages modélisations stat Data manager vs statisticien, qui fait quoi? En théorie, le data manager ne fait rien!!! ADaM = réponse au PAS - Les données prêtes pour nourrir SAS, R, etc - Les tables de résultats - ~ une table par analyse 11

12 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 12

13 2. La place de l analyse statistique Protocole CRF Plan d analyse stat SDTM Autres données sources pour ADaM Flux d informations Flux de données Etape de création des tables d analyse Tables d analyse Documentation Metadata des tables d analyse Etape de production des résultats stat Résultats de l analyse Documentation Metadata des résultats 13

14 2. La place de l analyse statistique La création des tables d analyse Construit avec le plan d analyse stat en tête Observations ou données dérivées d observations Plusieurs tables SDTM peuvent être utilisées pour une même table d analyse La documentation peut inclure : Des programmes, des pseudo-codes ou des petits bouts de code Des références au protocole ou au plan d analyse stat Des guides de données 14

15 2. La place de l analyse statistique La production des résultats de l analyse Les tables d analyse sont utilisées pour produire des sorties statistiques : Tables, graphiques, p-values, annexes statistiques, etc La documentation peut inclure : Des programmes, des pseudo-codes ou des bouts de code Des références au plan d analyse statistique Des références aux annexes de reporting 15

16 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 16

17 3.1 Les 4 préceptes fondamentaux 1 - La traçabilité La principale raison de ce standard : décrire clairement toute la démarche statistique (les interprétations, les hypothèses, les transformations, les modèles appliqués ) Une sorte d audit trail pour statisticien 2 - La possibilité de ré-analyse 17

18 3.1 Les 4 préceptes fondamentaux 3 - Le détail des metadata Le plus fastidieux à produire en ADaM, le guide d implémentation étant beaucoup plus ouvert que SDTM 4 - L application aux outils stats standards (R, SAS, ) 18

19 3.2 Les règles de base Les tables d analyse contiennent au minimum une table nommée ADSL (Analysis Data Subject Level) Le nommage des autres tables : ADxxxxxxx (e.g. ADAE, ADQS, ADTTE) choix libre Les variables SDTM doivent conserver tous leurs attributs : Nom, description, format, contenu 19

20 3.2 Les règles de base La table ADSL Une ligne par sujet Contient les informations centrales du sujet : réglementaire, démographie, traitements, date de décès Les autres tables d analyse : BDS (Basic Data Structure) Une ligne par sujet, par paramètre, par temps d analyse Construites avec le plan d analyse stat en tête Toutes les données utiles à l analyse d un paramètre doivent être reportées dans sa table BDS (classiquement par jointure de la table ADSL sur la table BDS) 20

21 3.2 Les règles de base Les noms de variables 21

22 3.2 Les règles de base Les dates et imputations d éléments manquants Elément manquant Format de la variable SDTM *DTC (string) Format des variables ADaM Date *DT (num) # imputé Flag date *DTF (string) Aucun YYYY-MM-DD YYYY-MM-DD Vide Jour YYYY-MM YYYY-MM-## D Mois YYYY YYYY-##-(##) M Année ####-(##)-(##) Y 22

23 3.3 «Flagging» des données Des variables booléennes pour identifier rapidement des sousgroupes de population Exemple d une table ADSL : 23

24 3.3 «Flagging» des données Des variables booléennes pour identifier rapidement des sousgroupes d observations Exemple d une table BDS, ADVS : 24

25 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 25

26 4. La table Analysis Data Subject Level Le pourquoi de la table ADSL Support Des données règlementaires Des données démographiques Des caractéristiques de référence Source De variables requises dans d autres tables d analyse (e.g. les données des traitements) N a pas vocation à être l unique source de toutes les données «subject level» e.g. une table BDS ADTTE d analyse de données de survie 26

27 4. La table Analysis Data Subject Level Exemple de table ADSL : cas simple d un essai comparatif 27

28 4. La table Analysis Data Subject Level Exemple de table ADSL : cas d un essai en triple cross-over 28

29 Sommaire 1. Encore un autre standard 2. La place de l analyse statistique dans une recherche biomédicale 3. Aperçu de ADaM 3.1. Les 4 préceptes fondamentaux 3.2. Les règles de base 3.3. «Flagging» des données 4. La table Analysis Data Subject Level (ADSL) 4.1. Quelles données? 4.2. Exemples 5. Les tables Basic Data Structure (BDS) 4.1. Quelles tables? Quelles données? 4.2. Exemples 29

30 4. Les tables Basic Data Structure Le pourquoi des tables BDS Nomenclature suffisamment ouverte (ADaM-IG) pour permettre d appliquer la majorité des méthodes d analyse Des exemples d analyse ANOVA ANCOVA Régression logistique Tests de Cochran-Mantel-Haenzel Test non paramétrique de Wilcoxon Time-to-event analysis (Cox, Accelerated failure time model ) 30

31 4. Les tables Basic Data Structure DSL ADLB 31

32 4. Les tables Basic Data Structure e.g. ADVS Exemple de calculs à partir d une valeur de référence 32

33 4. Les tables Basic Data Structure e.g. ADVS Exemple de détermination d une valeur de référence 33

34 En résumé ADaM est clairement en aval du travail du data manager mais La table ADSL peut (relativement) facilement être construite en sortie d un CDMS Des éléments de la nomenclature ADSL peuvent être repris comme standard : alternative à plusieurs domaines SDTM Certaines tables BDS sont proches des tables SDTM (e.g. ADAE, ADVS ) La documentation est simple : 2 modèles de tables (plus de 40 en SDTM) Le «flagging», les données calculées et les tables de résultats doivent être laissées au biostatisticien 34

35 Merci pour votre attention Des questions? 35

Du CRF jusqu à la programmation du SDTM

Du CRF jusqu à la programmation du SDTM Du CRF jusqu à la programmation du SDTM Cindy DOUCET et Jérémy MAMBRINI xxx, xxth xxxxxxx 2010-1 Contexte Définition La Terminologie Contrôlée correspond à des listes standard de valeurs. Sources CDISC

Plus en détail

16 juin 2011. 18ème Journées des Statisticiens des Centres de Lutte contre le Cancer

16 juin 2011. 18ème Journées des Statisticiens des Centres de Lutte contre le Cancer Les logiciels de gestion de données cliniques : le marché et les perspectives pour les utilisateurs académiques 16 juin 2011 18ème Journées des Statisticiens des Centres de Lutte contre le Cancer 2 Sommaire

Plus en détail

Utilisation du SDTM pour standardiser les données cliniques: avantages et chausse-trappes

Utilisation du SDTM pour standardiser les données cliniques: avantages et chausse-trappes Utilisation du SDTM pour standardiser les données cliniques: avantages et chausse-trappes (Les données cliniques peuvent-elles survivre aux standards de soumission du CDISC?) Rencontres ac@dm Caen 2012-06-12

Plus en détail

Réunion du Groupe des Utilisateurs Francophones des standards CDISC GENEVE, 28 septembre 2015

Réunion du Groupe des Utilisateurs Francophones des standards CDISC GENEVE, 28 septembre 2015 Réunion du Groupe des Utilisateurs Francophones des standards CDISC GENEVE, 28 septembre 2015 Brice DUBOIS, responsable Data Management AC@DM et CDISC Centre de Traitement des Données du Cancéropôle Nord-Ouest.

Plus en détail

Véronique Chauveau. Blois le 04/12/2014

Véronique Chauveau. Blois le 04/12/2014 12ème Journée e du réseau r OncoCentre Véronique Chauveau Blois le 04/12/2014 Qualité des données : du dossier source à la publication «Les BPC constituent un ensemble d exigences de qualité dans les domaines

Plus en détail

Data Management. Daniel BOICHUT 11 janvier 2010. Umanis Département Santé/CRO. Plan du cours. Les différentes étapes de l essai clinique

Data Management. Daniel BOICHUT 11 janvier 2010. Umanis Département Santé/CRO. Plan du cours. Les différentes étapes de l essai clinique Data Management Daniel BOICHUT 11 janvier 2010 DIU FARC TEC 2010 1 Plan du cours Les différentes étapes de l essai clinique Le Data Management dans les essais cliniques Le métier de Data Manager 2 Les

Plus en détail

Spécifications des exigences d'un logiciel (Adapté de la norme IEEE 830-1993)

Spécifications des exigences d'un logiciel (Adapté de la norme IEEE 830-1993) Spécifications des exigences d'un logiciel (Adapté de la norme IEEE 830-1993) Ce document suggère un ensemble d éléments à préciser pour les exigences d'un système logiciel. Il débute par une Page de titre,

Plus en détail

Les systèmes CDMS. et les logiciels EDC

Les systèmes CDMS. et les logiciels EDC Les systèmes CDMS et les logiciels EDC Khaled Mostaguir, Ph.D, khaled.mostaguir@hcuge.ch Centre de Recherche Clinique HUG http://crc.hug-ge.ch/ Les systèmes CDMS et les logiciels EDC Les systèmes CDMS

Plus en détail

Amendements de la Norme internationale d information financière 7 Instruments financiers: Informations à fournir

Amendements de la Norme internationale d information financière 7 Instruments financiers: Informations à fournir Amendements de la Norme internationale d information financière 7 Instruments financiers: Informations à fournir Le paragraphe 27 est modifié. Les paragraphes 27A et 27B sont ajoutés. Importance des instruments

Plus en détail

La Gestion des Données Cliniques

La Gestion des Données Cliniques La Gestion des Données Cliniques Khaled Mostaguir, Ph.D, khaled.mostaguir@hcuge.ch Centre de Recherche Clinique HUG http://crc.hug-ge.ch/ La gestion des données clinique Le gestion des données au sein

Plus en détail

Plateforme SAS. Data & Information System

Plateforme SAS. Data & Information System Data & Information System SOMMAIRE Rédacteur : Ref: F.Barthelemy AXIO_1111_V1 PLATEFORME SAS PREREQUIS SAS GUIDE SAS WRS SAS PORTAL SAS MINER Une plateforme unique et modulable capable d exploiter l architecture

Plus en détail

Manuel de transmission électronique du rapport BOP 1.1 «Ventilation de certains éléments du compte de résultat des établissements de crédit»

Manuel de transmission électronique du rapport BOP 1.1 «Ventilation de certains éléments du compte de résultat des établissements de crédit» Manuel de transmission électronique du rapport BOP 1.1 «Ventilation de certains éléments du compte de résultat des établissements de crédit» Banque centrale du Luxembourg Sommaire 1 Introduction... 3 2

Plus en détail

INTRODUCTION A L UTILISATION DE SYSTAT

INTRODUCTION A L UTILISATION DE SYSTAT 1 INTRODUCTION A L UTILISATION DE SYSTAT F. Lyazrhi D. Concordet 2 Systat est un logiciel statistique qui permet de préparer les graphiques et de faire des calculs nécessaires à l analyse des données.

Plus en détail

Logiciel de gestion desressources numériques Plan developpement logiciel FANTASTIC FIVE

Logiciel de gestion desressources numériques Plan developpement logiciel FANTASTIC FIVE Logiciel de gestion desressources numériques Plan developpement logiciel FANTASTIC FIVE 03/06/2015 Historique des révisions Date Version Description Auteur 03/06/2015 Plan de Développement logiciel

Plus en détail

LA MÉTHODE S.P.C. (STATISTICAL PROCESS CONTROL)

LA MÉTHODE S.P.C. (STATISTICAL PROCESS CONTROL) 1GM Sciences et Techniques Industrielles Page 1 sur 5 Productique - Cours Génie Mécanique Première LA MÉTHODE S.P.C. (STATISTICAL PROCESS CONTROL) Née aux USA, la méthode S. P. C. est traduite le plus

Plus en détail

Les Métiers de la Recherche Clinique

Les Métiers de la Recherche Clinique Les Métiers de la Recherche Clinique 1 Présentation réalisée par Marie Pflieger, Pharmacien Délégation à la Recherche Clinique et à l Innovation 18 février 2014 Qu est ce qu une recherche clinique? Une

Plus en détail

Manuel de transmission électronique du rapport S 2.8 «Crédits consentis au profit d'immeubles situés au Luxembourg»

Manuel de transmission électronique du rapport S 2.8 «Crédits consentis au profit d'immeubles situés au Luxembourg» Manuel de transmission électronique du rapport S 2.8 «Crédits consentis au profit d'immeubles situés au Luxembourg» Banque centrale du Luxembourg Sommaire 1 Introduction... 3 2 Transmission... 4 2.1 Attribution

Plus en détail

MONITORING / SUIVI DES PATIENTS

MONITORING / SUIVI DES PATIENTS Formation Recherche Clinique OncoBasseNormandie 02/12/2013 MONITORING / SUIVI DES PATIENTS Jean-Michel GRELLARD ARC Coordinateur - Centre François Baclesse Quelques définitions Cahier d observation ou

Plus en détail

Gestion des évènements indésirables avec un CRF électronique. Anne-Lise Septans, ICO Paul Papin, Angers

Gestion des évènements indésirables avec un CRF électronique. Anne-Lise Septans, ICO Paul Papin, Angers Gestion des évènements indésirables avec un CRF électronique Anne-Lise Septans, ICO Paul Papin, Angers Journées des data managers académiques, Caen 12 juin 2012 I- Contexte / historique II- Idée III- Solution

Plus en détail

Introduction à la création et la gestion de bases de données

Introduction à la création et la gestion de bases de données Introduction à la création et la gestion de bases de données Stéphane Béchet Biostatisticien / Data Manager Institut Pasteur Unité d Epidémiologie des Maladies Emergentes stephane.bechet@pasteur.fr 1 Objectifs

Plus en détail

Unité d Investigation Clinique

Unité d Investigation Clinique secutrial Saisie et Validation des données Manuel d instructions (en développement) Version 0.81 Janvier 2014 Par Khaled Mostaguir CRC HUG Table des matières 1. Introduction... 2 2. Adresses Web (URLs)

Plus en détail

Présentation des données pour une analyse statistique

Présentation des données pour une analyse statistique Présentation des données pour une analyse statistique Ce document décrit les points essentiels à vérifier avant d analyser des données par un logiciel statistique. Sommaire I. Règles à respecter lors de

Plus en détail

Manuel de transmission électronique des rapports

Manuel de transmission électronique des rapports Circulaire CSSF 10/457 Manuel de transmission électronique des rapports Compte Rendu Analytique de Révision (Long Form Report) Lettre de Recommandations (Management Letter) Version 1.0 Ne pas communiquer

Plus en détail

Pr. Pierre FUMOLEAU Directeur Général du Centre de Lutte Contre le Cancer Georges-François Leclerc (CGFL)

Pr. Pierre FUMOLEAU Directeur Général du Centre de Lutte Contre le Cancer Georges-François Leclerc (CGFL) C Ouverture INTRODUCTION RENCONTRES DES 25 et 26 JUIN 2014 Accueil des Participants Pr. Pierre FUMOLEAU Directeur Général du Centre de Lutte Contre le Cancer Georges-François Leclerc (CGFL) 25 juin 9h30

Plus en détail

Bases de données Outils de gestion

Bases de données Outils de gestion 11/03/2010 Bases de données Outils de gestion Mise en place d outils pour gérer, stocker et utiliser les informations d une recherche biomédicale ent réalisé par L. QUINQUIS d épidémiologie et de biostatistique

Plus en détail

Planification d'essais randomisés séquentiels ayant comme critère de jugement un délai de survie à l'aide de la fonction plansurvct.

Planification d'essais randomisés séquentiels ayant comme critère de jugement un délai de survie à l'aide de la fonction plansurvct. 1 eres Rencontres R Bordeaux 2-3 Juillet 2012 Planification d'essais randomisés séquentiels ayant comme critère de jugement un délai de survie à l'aide de la fonction plansurvct.func J.Gal 1, A.Kramar

Plus en détail

IBM France - Service d Infogérance Processus et Management de la qualité Implémentation et retour d expérience d Audit sur l ISO 20000 et 27001

IBM France - Service d Infogérance Processus et Management de la qualité Implémentation et retour d expérience d Audit sur l ISO 20000 et 27001 IBM France - Service d Infogérance Processus et Management de la qualité Implémentation et retour d expérience d Audit sur l ISO 20000 et 27001 Gérard Grélou, Muriel Collignon 21 Novembre 2007 Agenda Scope

Plus en détail

Collaboration avec statisticien et data manager. Raphaël Porcher, DBIM, Hôpital Saint-Louis DU Chef de Projet en Recherche Clinique 4 novembre 2011

Collaboration avec statisticien et data manager. Raphaël Porcher, DBIM, Hôpital Saint-Louis DU Chef de Projet en Recherche Clinique 4 novembre 2011 Collaboration avec statisticien et data manager Raphaël Porcher, DBIM, Hôpital Saint-Louis DU Chef de Projet en Recherche Clinique 4 novembre 2011 Rôle du statisticien dans une étude clinique Responsable

Plus en détail

Cours international d initiation à la recherche : de la méthode à la publication

Cours international d initiation à la recherche : de la méthode à la publication Cours international d initiation à la recherche : de la méthode à la publication Tunis, les 19, 20 et 21 janvier 2016 PRÉSENTATION GÉNÉRALE Il s agit d une formation organisée sous l égide de l Association

Plus en détail

INTRODUCTION AU DATA MINING

INTRODUCTION AU DATA MINING INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre

Plus en détail

PHARMACIM. www.courbon.fr

PHARMACIM. www.courbon.fr PHARMACIM www.courbon.fr PHARMACIM Une conformité 21 CFR Part 11 21 CFR part 11 Développé selon les GAMP, PHARMA- CIM est aussi conforme aux exigences réglementaires de la FDA, concernant le traitement

Plus en détail

Analyses dans les essais thérapeutiques :

Analyses dans les essais thérapeutiques : 6ème Université d été Recherche et Evaluation en Cancérologie Analyses dans les essais thérapeutiques : analyses intermédiaires, finale et cross-over. M. Bouziani (Oran) 1 Laboratoire de biostatistique

Plus en détail

Examen de Logiciels Statistiques

Examen de Logiciels Statistiques G. Hunault Angers, mai 2011 Licence MEF Examen de Logiciels Statistiques On s intéresse ici au dossier EAEF01 qui contient un extrait des données du recensement américain. On trouvera ces données et leur

Plus en détail

Développer et valoriser sa politique interne d efficacité énergétique : la certification ISO 50 001

Développer et valoriser sa politique interne d efficacité énergétique : la certification ISO 50 001 Développer et valoriser sa politique interne d efficacité énergétique : la certification ISO 50 001 Web Conférence organisée par AGRION le 23 mars 2013 Nathalie LAPLAUD SGS ICS Responsable d audit Q S

Plus en détail

Préparation des données. Auteur : Dan Noël Date : 24.04.2009

Préparation des données. Auteur : Dan Noël Date : 24.04.2009 Préparation des données Auteur : Dan Noël Date : 24.04.2009 Objectifs du module Comprendre les données et passer en revue les étapes principales de la préparation des données afin de maximiser la performance

Plus en détail

Rôle des CRO dans les essais cliniques. DIU Chef de projet en Recherche Clinique 25/01/2013

Rôle des CRO dans les essais cliniques. DIU Chef de projet en Recherche Clinique 25/01/2013 Rôle des CRO dans les essais cliniques DIU Chef de projet en Recherche Clinique 25/01/2013 La sous traitance A tous les niveaux depuis la synthèse se chimique jusqu à la publicité,, en passant par la galénique,

Plus en détail

Système documentaire des laboratoires

Système documentaire des laboratoires Système documentaire des laboratoires Réseau National des Laboratoires du Sénégal Atelier de formation des formateurs Maïmouna Diop Kantoussan 1 Introduction Objectifs Comprendre l utilité de la mise en

Plus en détail

SQL Server Integration Services 2012 Mise en oeuvre d'un projet ETL avec SSIS

SQL Server Integration Services 2012 Mise en oeuvre d'un projet ETL avec SSIS Introduction à SSIS 1. Présentation de SSIS 13 1.1 Concepts de l ETL 13 1.2 Management Studio et SQL Server Data Tools 14 1.3 Architecture 14 2. SSIS 2012 17 2.1 Les nouveautés de la version 2012 17 2.2

Plus en détail

Estelle Marcault. 10/02/2010 URC Paris Nord 1

Estelle Marcault. 10/02/2010 URC Paris Nord 1 Estelle Marcault 10/02/2010 URC Paris Nord 1 Pourquoi randomiser la participation des patients? Etudes non randomisées (avant/après) Amélioration spontanée de la maladie Régression vers la moyenne Effet

Plus en détail

SDL: 20 ans de programmation basée modèle

SDL: 20 ans de programmation basée modèle SDL: 20 ans de programmation basée modèle Emmanuel Gaudin emmanuel.gaudin @ pragmadev.com Principes MDE, MDA et MDD: Approche orienté modèle PIM: Platform Independant Model PDM: Platform Definition Model

Plus en détail

Modélisation: outillage et intégration

Modélisation: outillage et intégration Modélisation: outillage et intégration Emmanuel Gaudin emmanuel.gaudin@pragmadev.com Un réel besoin Le logiciel double tous les deux ans. Le volume final rend extrêmement difficile de garantir le niveau

Plus en détail

FORMATION VB.NET Visual Studio 2008

FORMATION VB.NET Visual Studio 2008 FORMATION VB.NET Visual Studio 2008 Livret 1 Introduction à Visuàl Studio Thierry TILLIER http://www.coursdinfo.fr Ce support de cours est réservé à un usage personnel. Toute utilisation et diffusion dans

Plus en détail

Gestion des bases de données

Gestion des bases de données Gestion des bases de données DU Chef de Projet en Recherche Clinique 23/11/2012 Fabrice GOURMELON URC/CIC Necker - Cochin 2 A. Qu est-ce qu une donnée? B. Qu est-ce qu une base de données? C. Définition

Plus en détail

Draft Template for the Assessment of the methodology during Phase pilote

Draft Template for the Assessment of the methodology during Phase pilote Draft Template for the Assessment of the methodology during Phase pilote Ref interne EudraCT no Title of the Study Abbreviation Sponsor IMP (Repeat if necessary) NIMP (Repeat if necessary) Organisation

Plus en détail

Use Cases. Introduction

Use Cases. Introduction Use Cases Introduction Avant d aborder la définition et la conception des UC il est bon de positionner le concept du UC au sein du processus de développement. Le Processus de développement utilisé ici

Plus en détail

Manuel de transmission électronique du rapport S 2.9 «Effectif du personnel»

Manuel de transmission électronique du rapport S 2.9 «Effectif du personnel» Manuel de transmission électronique du rapport S 2.9 «Effectif du personnel» Banque centrale du Luxembourg Sommaire 1 Introduction... 3 2 Transmission... 4 2.1 Attribution du nom du fichier... 4 2.2 Moyen

Plus en détail

Table des matières. Chapitre 1. Introduction... 13 1.1. Objectif... 13 1.2. Rappel... 15 1.3. Synthèse... 16 1.4. Bibliographie...

Table des matières. Chapitre 1. Introduction... 13 1.1. Objectif... 13 1.2. Rappel... 15 1.3. Synthèse... 16 1.4. Bibliographie... Table des matières Chapitre 1. Introduction... 13 1.1. Objectif... 13 1.2. Rappel... 15 1.3. Synthèse... 16 1.4. Bibliographie... 17 Chapitre 2. Du système au logiciel... 19 2.1. Introduction... 19 2.2.

Plus en détail

Manuel de transmission électronique du rapport S 2.5 «Bilan statistique trimestriel des établissements de crédit»

Manuel de transmission électronique du rapport S 2.5 «Bilan statistique trimestriel des établissements de crédit» Manuel de transmission électronique du rapport S 2.5 «Bilan statistique trimestriel des établissements de crédit» Banque centrale du Luxembourg Sommaire 1 Introduction... 3 2 Transmission... 4 2.1 Attribution

Plus en détail

Automatisation des copies de systèmes SAP

Automatisation des copies de systèmes SAP Pour plus d informations sur les produits UC4 Software, visitez http://www.liftoff-consulting.com/ Automatisation des copies de systèmes SAP Introduction Le thème de la copie des systèmes SAP est une source

Plus en détail

Talend Technical Note

Talend Technical Note Mars 2011 Page 1 sur 5 Le MDM offre un hub central de contrôle et une vision unique des données maître de l'entreprise, quelles que soient les disparités entre les systèmes source. Il assure que les données

Plus en détail

Estelle Marcault 06/02/2015 URC PARIS NORD 1

Estelle Marcault 06/02/2015 URC PARIS NORD 1 Estelle Marcault 06/02/2015 URC PARIS NORD 1 Définition du Monitoring Garantie que la conduite de l essai clinique, les enregistrements et les rapports sont réalisés conformément : Au protocole Aux Procédures

Plus en détail

Programmation en VBA

Programmation en VBA Programmation en VBA Présentation de Visual Basic Visual Basic : Basic : dérivé du langage Basic (Biginner s All purpose Symbolic Instruction Code) des années 60 Visual : dessin et aperçu de l interface

Plus en détail

swissethics Groupe de travail n 19 :

swissethics Groupe de travail n 19 : Groupe de travail n 19 : Clarification des compétences (travaux de maturité, de bachelor et de master, thèses, projets d assurance-qualité, rapports d expériences pratiques, essais thérapeutiques) L art.

Plus en détail

Étude critique du système d analyse prédictive : Predpol R

Étude critique du système d analyse prédictive : Predpol R Étude critique du système d analyse prédictive : Predpol R Benslimane@cortecs.org Cortecs / Université Grenoble Alpes 4 février 2015 Sommaire 1 Théorie 2 Objectifs Données utilisées Algorithmes développés

Plus en détail

Générateur de code de simulation à partir de l information de localisation du produit

Générateur de code de simulation à partir de l information de localisation du produit Générateur de code de simulation à partir de l information de localisation du produit Andrés VÉJAR Patrick CHARPENTIER prénom.nom@cran.uhp-nancy.fr Centre de Recherche en Automatique de Nancy (CRAN), CNRS

Plus en détail

Beamex. Calibration White Paper. www.beamex.com info@beamex.com. Configuration et étalonnage des instruments intelligents

Beamex. Calibration White Paper. www.beamex.com info@beamex.com. Configuration et étalonnage des instruments intelligents Beamex Calibration White Paper info@beamex.com Configuration et étalonnage des instruments intelligents Configuration et étalonnage des instruments intelligents Les instruments intelligents sont de plus

Plus en détail

Loi de finance rectificative 2012 Article 68 de la loi de finances rectificative pour 2012 n 2012-1510 du 29 décembre 2012

Loi de finance rectificative 2012 Article 68 de la loi de finances rectificative pour 2012 n 2012-1510 du 29 décembre 2012 How to Loi de finance rectificative 2012 Article 68 de la loi de finances rectificative pour 2012 n 2012-1510 du 29 décembre 2012 Hausse du taux normal de 19,6% à 20% Hausse du taux intermédiaire de 7%

Plus en détail

ENRICHIR LES DONNEES DE DETAILS ACCEDEES A TRAVERS UN RAPPORT OLAP

ENRICHIR LES DONNEES DE DETAILS ACCEDEES A TRAVERS UN RAPPORT OLAP ENRICHIR LES DONNEES DE DETAILS ACCEDEES A TRAVERS UN RAPPORT OLAP SAS Web Report Studio offre depuis de nombreuses versions la possibilité de visualiser les observations spécifiques à partir des données

Plus en détail

Rédaction du Document de Spécifications Logiciel

Rédaction du Document de Spécifications Logiciel Rédaction du Document de Spécifications Logiciel Instruction Générale Qualité Version : 1.1 Nombre de pages : 12 Référence : referentiel_qualite/dsl.plan_type.doc UV UMLP Département ASI INSA-ROUEN BP

Plus en détail

Last update : 25/09/2013 Version All

Last update : 25/09/2013 Version All Technical Note VocaBase #008 Last update : 25/09/2013 Version All TR reference N/A Summary : How to design several speech services which shall be rolled-out independently from each other? Description A

Plus en détail

Shadow Manager Simulateur de gestion globale d entreprise. Introduction

Shadow Manager Simulateur de gestion globale d entreprise. Introduction Shadow Manager Simulateur de gestion globale d entreprise Introduction Le logiciel de simulation d entreprise Shadow Manager représente le nec plus ultra des outils pédagogiques de simulation de gestion

Plus en détail

La recherche clinique au cœur du progrès thérapeutique

La recherche clinique au cœur du progrès thérapeutique 2 èmes Assises de l Innovation Thérapeutique Paris, 05-11-2014 La recherche clinique au cœur du progrès thérapeutique Pr. Jean-François DHAINAUT Président du Groupement Inter-régional de la Recherche Clinique

Plus en détail

L espace virtuel de La Branche Cochrane-Québec

L espace virtuel de La Branche Cochrane-Québec L espace virtuel de La Branche Cochrane-Québec Bonjour cher(ère)s auditeurs et auditrices web! SVP prendre quelques secondes pour tester vos paramètres audio via l assistant situé au haut de la page: Outils

Plus en détail

EVALUATION DES RISQUES POUR LA SANTE ET LA SECURITE DES TRAVAILLEURS

EVALUATION DES RISQUES POUR LA SANTE ET LA SECURITE DES TRAVAILLEURS Référence : Document Technique DT 77 Date : Septembre 2002 Thème / Sous-thème : Santé et sécurité au travail / Risques professionnels EVALUATION DES RISQUES POUR LA SANTE ET LA SECURITE DES TRAVAILLEURS

Plus en détail

L application doit être validée et l infrastructure informatique doit être qualifiée.

L application doit être validée et l infrastructure informatique doit être qualifiée. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 Annexe 11: Systèmes informatisés

Plus en détail

Assurance qualité appliquée aux OMCLs, Rabat, 27&28 Novembre 2007. L. Lempereur, Coordinateur Qualité DLC

Assurance qualité appliquée aux OMCLs, Rabat, 27&28 Novembre 2007. L. Lempereur, Coordinateur Qualité DLC Rabat, 27&28 Novembre 2007 L. Lempereur, Coordinateur Qualité DLC Exigences ISO 17025 relatives au personnel résumées dans 2 chapitres : 4.1 Organisation Points généraux liés au management 5.2 Personnel

Plus en détail

Classe de 5 ème Domaine d application : Habitat et ouvrages. Auteurs : JR.GARBAY & B.LAMOUR Académie de Versailles 1

Classe de 5 ème Domaine d application : Habitat et ouvrages. Auteurs : JR.GARBAY & B.LAMOUR Académie de Versailles 1 Classe de 5 ème Domaine d application : Habitat et ouvrages Auteurs : JR.GARBAY & B.LAMOUR Académie de Versailles 1 Nous proposons deux séquences ayant pour problématiques: 1) Quel est le secteur économique

Plus en détail

Marie-Noëlle COUBEZ, Lucie PARENT & Claire BOUCHIGNY IT&M Stats 192 avenue Charles de Gaulle 92200 NEUILLY SUR SEINE www.itm-stats.

Marie-Noëlle COUBEZ, Lucie PARENT & Claire BOUCHIGNY IT&M Stats 192 avenue Charles de Gaulle 92200 NEUILLY SUR SEINE www.itm-stats. Marie-Noëlle COUBEZ, Lucie PARENT & Claire BOUCHIGNY IT&M Stats 192 avenue Charles de Gaulle 92200 NEUILLY SUR SEINE www.itm-stats.com Une équipe dynamique! Marie-Noëlle COUBEZ Directrice d Agence d IT&M

Plus en détail

Jean-Francois DECROOCQ - 03/01/2012

Jean-Francois DECROOCQ - 03/01/2012 www.varm.fr Solvabilité 2 commentaires sur l ORSA Jean-Francois DECROOCQ - 03/01/2012 Sommaire Introduction... 2 Principes pour une gestion intégrée des risques... 3 La mise en place de l ORSA... 5 Introduction

Plus en détail

Création de procédures inter-services pour la gestion des essais de phase I à l Institut Gustave Roussy

Création de procédures inter-services pour la gestion des essais de phase I à l Institut Gustave Roussy Création de procédures inter-services pour la gestion des essais de phase I à l Institut Gustave Roussy A.A. MOUSSA D. SCHWOB Institut de cancérologie Gustave-Roussy 94805 Villejuif cedex - FRANCE Plan

Plus en détail

Table des matières. Partie I CobiT et la gouvernance TI

Table des matières. Partie I CobiT et la gouvernance TI Partie I CobiT et la gouvernance TI Chapitre 1 Présentation générale de CobiT....................... 3 Historique de CobiT....................................... 3 CobiT et la gouvernance TI.................................

Plus en détail

Rencontres AcaDM des 25-26 juin 2014 Dijon. Impact du Risk Based Monitoring sur le Data Management. Nicolas Gane ARCAGY-GINECO 25/06/2014

Rencontres AcaDM des 25-26 juin 2014 Dijon. Impact du Risk Based Monitoring sur le Data Management. Nicolas Gane ARCAGY-GINECO 25/06/2014 Rencontres AcaDM des 25-26 juin 2014 Dijon Impact du Risk Based Monitoring Nicolas Gane ARCAGY-GINECO 25/06/2014 De quoi parle-t-on? Monitoring (GCP 5.18.1) : Protection des droits du patient Fiabilité

Plus en détail

S.BAYNAUD www.haccp.fr

S.BAYNAUD www.haccp.fr Les référentiels qualité et sécurité des aliments pour les IAA Qualité Sécurité Traçabilité des Aliments 2 bis rue Lamoricière CS 10402 44104 Nantes Cedex 4 Tél : 02 51 72 11 22 Fax 02 51 72 11 33 E.mail

Plus en détail

Questions d Entretiens en Finance de Marché Retour 2011/2012

Questions d Entretiens en Finance de Marché Retour 2011/2012 Questions d Entretiens en Finance de Marché Retour 2011/2012 Université Lille 1 - Master 2 Mathématiques et Finance Mathématiques du Risque Contact : alexis.fauth@invivoo.com http://samm.univ-paris1.fr/-alexis-fauth-

Plus en détail

Logiciels pour l'industrie pharmaceutique

Logiciels pour l'industrie pharmaceutique CIS Valley Logiciels pour l'industrie pharmaceutique La gamme Pharma Valley The PHARMA Valley range L'industrie pharmaceutique est confrontée à un enjeu stratégique majeur : les exigences toujours plus

Plus en détail

Bonnes Pratiques Cliniques Décision du 24 novembre 2006 Parution au JO du 30 novembre 2006 Modifications par arrêtés du 22 septembre 2011

Bonnes Pratiques Cliniques Décision du 24 novembre 2006 Parution au JO du 30 novembre 2006 Modifications par arrêtés du 22 septembre 2011 Véronique JOUIS, Coordination des ARCs - Responsable Logistique Laurence GUERY, ARC - Responsable Assurance Qualité Unité de Recherche Clinique du GH Lariboisière - Saint-Louis Coordonnateur Pr Eric VICAUT

Plus en détail

Annexe 1 Annexe technique de la convention d habilitation «société d assurance»

Annexe 1 Annexe technique de la convention d habilitation «société d assurance» Annexe 1 Annexe technique de la convention d habilitation «société d assurance» «professionnel indépendant» (Convention complète) 1 Notice explicative... 2 1.1 Préambule... 2 1.2 Référencement du concentrateur...

Plus en détail

Risque chimique : les Fiches de Données de Sécurité étendues pour les utilisateurs de produits chimiques. Jeudi 13 septembre 2012

Risque chimique : les Fiches de Données de Sécurité étendues pour les utilisateurs de produits chimiques. Jeudi 13 septembre 2012 Risque chimique : les Fiches de Données de Sécurité étendues pour les utilisateurs de produits chimiques Jeudi 13 septembre 2012 Nos animateurs Marie-Laure Heraud Responsable activité REACH / Risque chimique

Plus en détail

L EXPLORATEUR DE DONNEES «DATA EXPLORER»

L EXPLORATEUR DE DONNEES «DATA EXPLORER» L EXPLORATEUR DE DONNEES «DATA EXPLORER» Avec l arrivée de l explorateur de données dans SAS Enterprise Guide, vous allez pouvoir explorer le contenu de vos sources de données sans les ajouter à votre

Plus en détail

DÉPLOIEMENT D UN ERP. Cours dispensé pour les L3 MSI Elaboré par : Mehdi M tir 2013/2014 Chapitre 3 : Modélisation des besoins

DÉPLOIEMENT D UN ERP. Cours dispensé pour les L3 MSI Elaboré par : Mehdi M tir 2013/2014 Chapitre 3 : Modélisation des besoins 1 DÉPLOIEMENT D UN ERP Cours dispensé pour les L3 MSI Elaboré par : Mehdi M tir 2013/2014 Chapitre 3 : Modélisation des besoins LA CONDUITE D UN PROJET ERP La conduite d un projet d ERP est différente

Plus en détail

Stratégies de requalification

Stratégies de requalification Stratégies de requalification Pourquoi requalifier?! Attentes réglementaires HPFBI :! «Revalidation du procédé (process revalidation) : Nécessaire lorsque l'on change l'un ou l'autre des paramètres critiques

Plus en détail

secutrial Gestion des données d'études cliniques Les Colloques de l'uic Novembre 2012 Khaled Mostaguir, Ph.D, khaled.mostaguir@hcuge.

secutrial Gestion des données d'études cliniques Les Colloques de l'uic Novembre 2012 Khaled Mostaguir, Ph.D, khaled.mostaguir@hcuge. secutrial Gestion des données d'études cliniques Les Colloques de l'uic Novembre 2012 Khaled Mostaguir, Ph.D, khaled.mostaguir@hcuge.ch Unité d Investigation Clinique Centre de Recherche Clinique HUG http://crc.hug-ge.ch/

Plus en détail

Approbation des factures

Approbation des factures Approbation des factures WINGS Software Flexibilité, efficace et exact Approbation des factures INTRODUCTION 1.1. Généralités 3 FONCTIONNEMENT 2.1. Gestion-Paramètres 4 2.2. Base-Clients/Fournisseurs 6

Plus en détail

RECONSTRUCTION D'UN MODÈLE 3D D'OBJET AVEC LA KINECT

RECONSTRUCTION D'UN MODÈLE 3D D'OBJET AVEC LA KINECT PROJET DE SEMESTRE : RECONSTRUCTION D'UN MODÈLE 3D D'OBJET AVEC LA KINECT SOFTWARE PROJECT MANAGEMENT PLAN Projet Reconstruction d'un modèle 3D d'objet avec la Kinect Document École Software Project Management

Plus en détail

La qualité du dossier clinique (Dossier source / CRF)

La qualité du dossier clinique (Dossier source / CRF) La qualité du dossier clinique (Dossier source / CRF) 4 ème journée de l EMRC Centre Blois, le 14 décembre 2012 Problématique : Comment faire du dossier médical un outil adapté à la recherche clinique?

Plus en détail

Programme DPC n 47341500009. Le C.L.E.F. Hôtel Ibis Paris -Porte de Versailles 15 avenue Jean Jaurès - 92130 Issy Les Moulineaux

Programme DPC n 47341500009. Le C.L.E.F. Hôtel Ibis Paris -Porte de Versailles 15 avenue Jean Jaurès - 92130 Issy Les Moulineaux Formation extra-muros E s s a i s C l i n i q u e s Programme DPC n 47341500009 C.L.E.F Hôtel Ibis Paris -Porte de Versailles 15 avenue Jean Jaurès - 92130 Issy s Moulineaux 1 Essais Cliniques Objectifs

Plus en détail

ANNEXE BIM Marché : G 1601

ANNEXE BIM Marché : G 1601 ANNEXE BIM Marché : G 1601 MISSION DE MAITRISE D ŒUVRE POUR LA CONSTRUCTION DU BATIMENT «GIENAH» SUR LE PARC TECHNOLOGIQUE CITE DE LA PHOTONIQUE (PESSAC, 33) Maître d Ouvrage SEML Route des Lasers Bâtiment

Plus en détail

Charte Européenne IAB Europe relative à la Publicité Comportementale en Ligne

Charte Européenne IAB Europe relative à la Publicité Comportementale en Ligne Introduction Définitions La Charte Charte Européenne IAB Europe relative à la Publicité Comportementale en Ligne Introduction Les sociétés signataires (les Sociétés ) ont élaboré une charte de bonnes pratiques

Plus en détail

Normes générales de qualité

Normes générales de qualité Normes générales de qualité ISO 9000 Capability and Maturity Model (Software Engineering Institute) ne prescrivent pas des méthodes précises (ex: orienté-objet, clean room, etc.) propose un ensemble d

Plus en détail

Guide de formation. EasyCruit

Guide de formation. EasyCruit Guide de formation EasyCruit Contents INTRODUCTION... 3 PRÉSENTATION ET NAVIGATION... 3 CRÉATION D UN PROJET DE RECRUTEMENT... 5 ETAPE 1 : Nom interne du projet... 5 ETAPE 2 : Associer l offre au bon département...

Plus en détail

Nous Préparons les Talents de Demain

Nous Préparons les Talents de Demain Formation Qualifiante au Métier de Data Manager Niveau I Nous Préparons les Talents de Demain FORMATIONS Pôle de compétences d Organisme de formation enregistré sous le numéro 11 94 08529 94 30 rue de

Plus en détail

ANALYSE : OUTIL D ANALYSE DE DONNEES POUR LES SCIENCES HUAMINES MANUEL DE L UTILISATEUR : PRISE EN MAIN

ANALYSE : OUTIL D ANALYSE DE DONNEES POUR LES SCIENCES HUAMINES MANUEL DE L UTILISATEUR : PRISE EN MAIN Pôle Informatique de Recherche et d Enseignement en Histoire ANALYSE : OUTIL D ANALYSE DE DONNEES POUR LES SCIENCES HUAMINES MANUEL DE L UTILISATEUR : PRISE EN MAIN A. PREMIER PAS 1. INTEGRATION DU TABLEAU

Plus en détail

ULCO-L3Info-Projets-CM2

ULCO-L3Info-Projets-CM2 ULCO-L3Info-Projets-CM2 Arnaud Lewandowski, Eric Ramat, Julien Dehos Université du Littoral Côte d Opale 18 juin 2015 A Lewandowski, E Ramat, J Dehos ULCO-L3Info-Projets-CM2 1/44 Sommaire 1 Conception

Plus en détail

La découverte de médicaments en biotechnologie. Développement clinique

La découverte de médicaments en biotechnologie. Développement clinique La découverte de médicaments en biotechnologie Développement clinique Développement clinique: But Evaluer efficacité et sécurité d un médicament pour risque/bénéfice soit acceptable par autorités enregistrement

Plus en détail

ANNEXE AU MANUEL NAVISION INCADEA GESTION DE DOSSIER SALES REVIEW & TOOLS

ANNEXE AU MANUEL NAVISION INCADEA GESTION DE DOSSIER SALES REVIEW & TOOLS Copyright BMW GROUP Belux / Révision 0 ANNEXE AU MANUEL NAVISION INCADEA GESTION DE DOSSIER SALES REVIEW & TOOLS La présente publication ne peut être reproduite et/ou publiée, même partiellement, au moyen

Plus en détail

Document d orientation sur les allégations issues d essais de non-infériorité

Document d orientation sur les allégations issues d essais de non-infériorité Document d orientation sur les allégations issues d essais de non-infériorité Février 2013 1 Liste de contrôle des essais de non-infériorité N o Liste de contrôle (les clients peuvent se servir de cette

Plus en détail

CVAR : projet C est l train fou!!! Rapport de fin de projet

CVAR : projet C est l train fou!!! Rapport de fin de projet CVAR : projet C est l train fou!!! Rapport de fin de projet Benoît MERLET Matthieu MUFFATO Résumé Dans le cadre de l option Conception et Validation d Applications Réactives, ce projet consiste à piloter

Plus en détail

CORRECTION PAR LECTURE OPTIQUE DE QCM : TESTS, EXAMENS, ETC. C. Jacqmot E. Billat I. Lecroart ADEF/EVA eva@uclouvain.be

CORRECTION PAR LECTURE OPTIQUE DE QCM : TESTS, EXAMENS, ETC. C. Jacqmot E. Billat I. Lecroart ADEF/EVA eva@uclouvain.be CORRECTION PAR LECTURE OPTIQUE DE QCM : TESTS, EXAMENS, ETC. C. Jacqmot E. Billat I. Lecroart ADEF/EVA eva@uclouvain.be Plan Introduction - Contexte Concrètement, pour la prochaine session 1. Planification

Plus en détail

JOUR 1 : Prise en main de Statbox Vegetal Edition

JOUR 1 : Prise en main de Statbox Vegetal Edition JOUR 1 : Prise en main de Statbox Vegetal Edition Objectif général : Les bonnes pratiques expérimentales : de la conception d un protocole d essai à l interprétation des résultats, au travers du logiciel

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail