PLACE DES STATISTIQUES DANS LA RECHERCHE MEDICALE
|
|
- François-Xavier Germain
- il y a 8 ans
- Total affichages :
Transcription
1 PLACE DES STATISTIQUES DANS LA RECHERCHE MEDICALE
2 PLAN Définition des statistiques Échantillonnage Mise en place d une étude Interprétation des résultats Petits échantillons Analyse des bases de données Méthodes multivariées Exemples Grands échantillons
3 INTRODUCTION
4 La Statistique et les Biostatistiques La STATISTIQUE : discipline traitant du recueil (plans d expérience, sondages, ), du traitement et de l interprétation de données caractérisées par une grande variabilité. Partie des mathématiques appliquées, utilisant la théorie des probabilités. Beaucoup de domaines d applications Sondages : enquêtes d opinion Industrie : contrôle de qualité Marketing : scoring, profil de consommateurs Médecine : épidémiologie, recherche clinique.. Statistiques appliquées à la Médecine = BIOSTATISTIQUES Données spécifiques : variabilité inter et intra, données interprétées, Méthodes spécifiques : survie, courbes ROC, plans d expérience
5 Problématique actuelle Révolution Informatique Multiplication des sources de données ( SIH, Internet,.) Explosion des moyens de calculs (PC 4GHz) Mise à disposition de plus en plus de logiciels de plus en plus évolués (SPSS, STATVIEW, S+, STATISTICA, R.) Nouveaux enjeux Politique de Recherche et de Publication Rigueur exigée Besoin de méthodes exploratoires efficaces (grandes bases de données) Nécessité d une méthodologie statistique rigoureuse
6 Méthodologie statistique Employer bien sûr la " bonne" procédure statistique pendant l analyse MAIS cela ne suffit pas Choisir le bon type d étude Choisir le bon plan d expérience Choisir les bons critères de jugement Qualité des données recueillies Avant l étude Analyse statistique rigoureuse (tests, modèles, ) Bonne interprétation des résultats Fin d étude
7 Schéma général d une étude Projet : Objectifs, Bibliographie Plan d analyse Echantillon Recueil des données Analyse Descriptive Analyse Inférentielle Interprétation Rapport
8 L Échantillonnage
9 L inférence statistique On désire étudier une population P Principe : On tire un échantillon E de taille n issu de P On analyse les caractéristiques de E On généralise à P Attention!! E doit être un échantillon représentatif de P E doit être de taille suffisamment élevée pour pouvoir extrapoler les résultats Définir très précisément la population que l on désire étudier!!
10 Les fluctuations d échantillonnage Quand on tire aléatoirement un échantillon, on a des fluctuations. Exemple : on s intéresse aux 10 premiers étudiants entrant dans l amphi. On comptabilise 7 femmes et 3 hommes. Peut-on en déduire que 70% des étudiants sont des femmes? NON!!! Soit X le nombre de femmes parmi les 10 étudiants. On peut montrer que X suit une loi binomiale de taille 10 et de paramètre 0.5 (on considère que dans la population totale, les proportions d hommes et de femmes sont les mêmes) et calculer la probabilité d observer 0,1,2,,10 femmes P(X=k)
11 Les prendre en compte Comment prendre en compte les fluctuations d échantillonnage? 1) En vérifiant que l échantillon est représentatif (tests d adéquation par exemple) 2) En donnant la marge d erreur que l on commet en raisonnant sur un échantillon (Intervalles de confiance) 3) En maîtrisant les risques d erreurs (puissance)
12 Mise en Place d une Étude
13 Les différents types d études + Étude rétrospective : Étude la plus fréquente Pas d inclusion de patients Collecte de données à partir des dossiers Rapide et simple à mettre en œuvre - Comparabilité des groupes Qualité des données recueillies + Étude prospective pilote En général, peu de patients Qualité des données Sert à déterminer des caractéristiques pour une étude comparative contrôlée. - Pas de comparaisons Résultats limités
14 Les différents types d études + Étude prospective contrôlée (essai contrôlé) : Cas le plus complexe Résultats fiables (Puissance calculée au début de l étude) Critères d inclusion + Randomisation / Comparabilité des groupes Critères de jugement définis au début - Étude longue ( en général, 3 ans minimum). Peut être coûteuse + Étude épidémiologique, Cohorte, Résultats fiables (Puissance statistique) - Grand nombre de sujets Suivi au cours du temps (10,15 ans!!) Multicentrique
15 Mise en Place d une Étude Dans tous les cas, rédaction d un protocole!! Protocole
16 Conseils pour la Rédaction du Protocole L'introduction : ce paragraphe a pour objectifs : de décrire l'état actuel des connaissances sur le sujet d'expliquer le problème scientifique Les objectifs de l'étude : il s'agit de décrire en quelques phrases l'objectif principal de l'étude et les objectifs secondaires. Ces objectifs doivent être précis et déduits du paragraphe précédent. La sélection des patients : ce paragraphe a pour objectifs : de décrire la méthode de recrutement, de définir des groupes éventuels, de préciser les critères d'inclusion et de non-inclusion. Les critères de jugement : définir précisément le critère de jugement principal et éventuellement les critères secondaires : pourcentage de guérison, mesure d'un paramètre biologique, score, durée de vie, Ce critère conditionne le type d'analyse statistique.
17 Conseils pour la Rédaction du Protocole Plan d'expérience : expliciter le plan d'expérience envisagé : groupes parallèles, plan 2x2, crossover, nombre de sujets recrutés : s'il est basé sur un calcul de nombre de sujets nécessaires, indiquer les éléments du calcul, sinon justifier le nombre choisi (données bibliographiques, étude exploratoire...). durée prévue de l'étude. Information recueillie : description des paramètres enregistrés, mode de recueil. Analyses statistiques : décrire brièvement le type d'analyses statistiques envisagées. Documents annexes : lettre d'information, consentement éclairé, références bibliographiques, cahier d'observation, CV des investigateurs.
18 Quelques aspects statistiques Détermination du plan d expérience groupes parallèles, plans factoriels appariement, stratification cross-over, carré latin Discussion sur les variables analysées : critères de jugement (principal et secondaires), dans le cas d un essai clinique Attention, la multiplication des hypothèses et des tests rend la conclusion de l étude très difficile : l étude doit être bâti autour de quelques questions précises Type d analyses statistiques prévues Détermination de la taille des échantillons
19 Que veut-on montrer?? Efficacité ou Équivalence? Les essais d efficacité : on suppose l égalité des traitements et on cherche à rejeter l hypothèse Les essais d équivalence : on considère que deux traitements sont équivalents si la différence entre-eux ne dépasse pas. Comparaison de moyennes, de fréquences, de courbes? Test Unilatéral ou Bilatéral? Plan d Expérience? Nombre de groupes? Indépendant / Apparié? Stratification, facteur de confusion,?
20 Les plans d expérience De nombreux types de plan d'expérience. Groupes parallèles +++ comparaisons intra-individuelles Mesures répétées. Le choix entre plusieurs plans doit être fait en tenant compte de leurs avantages et de leurs inconvénients. Le choix du plan détermine : la méthodologie statistique à employer pour l'analyse le nombre de patients à inclure dans l'étude Un plan d'expérience est choisi de manière à optimiser la puissance des tests statistiques tout en minimisant le nombre de patients à inclure dans l'étude.
21 Les Groupes Parallèles Certainement le plan le plus simple et le plus utilisé. L'ensemble des patients est divisé en plusieurs groupes homogènes, de même taille en général, de manière à avoir une comparaison statistique la plus "efficace" possible. Chaque patient reçoit un traitement et un seul. Méthodologie statistique d'analyse simple.(anova 1Facteur) Attention à la comparabilité des groupes de traitements. La variabilité entre les sujets peut être importante.
22 Les comparaisons intra-individuelles Dans ce type d'essai, le sujet est son propre témoin et reçoit donc successivement deux ou plusieurs traitements, dans un ordre aléatoire. Tailles d'échantillon plus faibles, chaque patient étant "utilisé" plusieurs fois Permet de minimiser la variance inter-sujet dans les différents stades de l'expérimentation (efficace si Variance Intra < Variance Inter). Suppose que le sujet soit dans les mêmes conditions dans les différentes phases d'expérimentation Aucun des traitements administrés au cours d'une phase ne doit influencer les résultats de la phase suivante WASH-OUT (période de "sevrage" )
23 Plans Intra-Individuels : 2 Traitements L'essai croisé (cross-over): on compare deux traitements A et B Chaque patient reçoit soit A puis B, ou B puis A. Indispensable d'étudier simultanément l'effet des traitements mais également l'ordre d'administration. Si plus de deux traitements, le cross-over est trop compliqué et l'on utilise alors le carré latin T0 X0 Baseline T0 X0 Baseline A B WASH-OUT X1 X2 X3 Contrôle WASH-OUT X1 X2 X3 Contrôle B A
24 Mesures Répétées 2 Groupes : A et B 1 variable numérique X mesurée k fois (T1, T2,, Tk) A A B A B B Très utilisé!!!! Méthodologie statistique relativement simple (ANOVA en Mesures Répétées)
25 Nombre de cas à inclure dans l étude? On a déterminé le problème clinique On a déterminé le(s) critère(s) de jugement On a défini le plan d expérience adapté Pb : combien, doit-on inclure de patients pour répondre correctement à l hypothèse posée? On utilise un test statistique Notion de puissance
26 Notion de puissance d un test Puissance = F(,N, variabilité = DS) La variabilité peut masquer la différence (2) Puissance dépend du risque de première espèce α, mais inutile en pratique car α fixéà5% Puissance = F(,N,DS) En pratique, on estime et DS et on déduit N
27 Notion de puissance d un test Les deux risques sont antagonistes α = 0 β=1 et β = 0 α= 1 En pratique : on fixe α=5% on se donne sur critères cliniques on estime σ (étude pilote) on a donc «la main» que sur N : on calcule N pour assurer β = 10% ou 20% (puissance > 80%) Formules, tables, logiciels Exemple, pour 2 moyennes : n z = 2( + α 1 z 1 β ) 2 σ ² ²
28 Puissance d un test et Taille d échantillon Comparaison de deux antihypertenseurs avec : Différence à mettre en évidence ( ) : 5mm de mercure Ecart-type (DS): 10 mm Risque de première espèce (α ): 5% Puissance β = 0.9 N1=N2=86 Si N1=N2=30 1-β = 0.48 (1- β = puissance) Nombre de Patients par Groupe Ne pas confondre : Conditions d application du test et Puissance du test
29 Traitement statistique des données
30 Le recueil des données (Data Management) Les résultats statistiques sont fonction des données - Problème de la qualité des données Problème des données manquantes (analyses multivariées)!! Pour certains essais, nécessité de suivre des guidelines (FDA, AMM) 2 approches : Maximaliste : Guidelines ( double saisie, confrontation et gel de la base) Minimaliste : logiciel permettant le contrôle à la saisie (bornes, valeurs autorisées ) Approche 1 : Complexe, longue et coûteuse - A éviter si possible Approche 2 : Approche minimale, quelque soit l essai.
31 Méthodes Statistiques : définitions générales INDIVIDU : Objet sur lequel un ou plusieurs caractères peuvent être observés. POPULATION : Ensemble des individus pris en considération. VARIABLE : Propriété servant à distinguer les individus d'une population. Un caractère peut être qualitatif (attribut) ou quantitatif. DISCRETES (Nombre limité de valeurs) QUANTITATIVES CONTINUES (prend ses valeurs dans un intervalle VARIABLES BINAIRES ( Présent / Absent ) QUALITATIVES NOMINALES (SEXE, Couleur des Yeux, CSP, ) ORDINALES = SCORE (Notion d ordre)
32 Les méthodes statistiques Univariée (moyenne, DS, ) Descriptive Multivariée (ACP, ) La statistique Univariée (tests, ) Inférentielle Multivariée (modèles, )
33 La Statistique Descriptive BUTS : Contrôle de qualité des données, descriptifs simples (moyennes, ). Synthétiser, résumer, structurer l'information contenue dans les données. Mettre en évidence des propriétés de l'échantillon. Suggérer des hypothèses. Analyses univariées : moyennes, histogramme, box-plot, fréquences, Analyses multivariées =Analyse des Données. Permet de traiter des données multidimensionnelles. Principales méthodes multivariées: Méthodes de classification : déterminer des sous-groupes homogènes Méthodes factorielles : réduire le nombre de variables par construction d'axes synthétiques (ACP, AFC, ACM,...), mais aussi sous-groupes d individus 2 classes de méthodes souvent complémentaires Cours N 2
34 La Statistique Inférentielle Univariée BUT : Valider ou infirmer des hypothèses a priori ou formulées après une phase exploratoire. Utilisation de tests statistiques se référant à des modèles probabilistes. EXEMPLES : Comparaison de moyennes ANOVA (+ + +!!!) Comparaison de fréquences Tests de lois...
35 STATISTIQUE DESCRIPTIVE UNIVARIEE
36 Analyse descriptive univariée 3 Objectifs : Contrôle des données : Fréquences et Box-plots Calcul des statistiques descriptives : moyenne,. Présentation des résultats : Moyenne ± Déviation standard Fréquence avec Intervalle de confiance
37 Paramètres statistiques de base Moyenne : x = 1 n n i= 1 x i Variance estimée: n 1 = n 1 i= 1 ( i ) 2 s² x x Déviation standard : racine carrée de la variance Min, Max, Médiane, Quartiles, Centiles
38 Le Box-Plot ( Boîte à Moustaches ) Xmax 0 1,5 (Q3-Q1) Q3 Médiane + II=Q3-Q1 0 : valeur comprise entre 1.5 et 3 interquartiles * : valeur supérieure à 3 interquartiles Q1 1,5 (Q3-Q1) X min
39 Représentations graphiques VARIABLES DISCRETES Femme 45% Homme 55% Homme Femme VARIABLES CONTINUES VARIABLES QUALITATIVES
40 Intervalles de confiance à 95% d un paramètre numérique : si X suit une loi normale x ± 1.96 DS d une moyenne : quelque soit la loi de X, si n > 30 x ± 1.96 n DS d une fréquence si np, nq > 10 p ± 1.96 p(1 - n p)
41 Distribution d un paramètre (loi) Différentes formes observables D e n s i t y X Modélisation de la distribution : Hypothèse de loi
42 Tests de Normalité Hypothèses de normalité requise pour test T, ANOVA régression, Intervalles de confiance (valeurs normales) SHAPIRO-WILK ( N< 50 ) ou KOLMOGOROV-SMIRNOV ( N> 50 ) TEST D'ADEQUATION DU χ²
43 4 Lois principalement rencontrées Loi normale : modélise des phénomènes observés (poids des bébés) ou loi limite Loi Log-normale : équivaut à LnX~ N(m,s) (paramètres biologiques) Loi de Weibull : utilisée en fiabilité des matériels ou survie Loi exponentielle : cas simple de loi de Weibull (survie des ampoules)
44 4 Lois principalement rencontrées Loi Normale (Laplace-Gauss) Loi Log-Normale Loi de Weibull Loi Exponentielle
45 Comparaison de groupes, quel(s) test(s) utiliser?
46 Comparaison de Groupes Choix du test statistique Dépend de : La nature de la variable Du nombre de groupes De la taille des groupes Cas des variables binaires ou qualitatives : Test du χ² ou Fisher exact Variables numériques : plusieurs cas : <5 valeurs différentes : variables nominales. On utilise des tests de rang (nonparamétriques) tels que les tests de Wilcoxon ou Kruskal-Wallis. > 5 valeurs différentes : on considère que la variable est continue. Choix du test fait en fonction de plusieurs critères (algorithme suivant)
47 Comparaison de groupes : variable numérique Variable continue 2 groupes >2 groupes n 1 et n 2 > 30 n 1 ou n 2 < 30 n i < 30 Ecart-réduit X ~ N(m,σ) (biblio) OUI NON Tester variances n i > 30 2 parmi les 3 : 1) groupes équilibrés 2) variances égales 3) distributions similaires homogénéité Non homogénéité OUI NON Student Wilcoxon ANOVA Kruskal-Wallis
48 Des Questions? Patrick Devos Délégation à la Recherche Direction Générale CHRU de Lille CERIM Faculté de Médecine Université de Lille 2 patrick.devos@univ-lille2.fr
Biostatistiques : Petits effectifs
Biostatistiques : Petits effectifs Master Recherche Biologie et Santé P. Devos DRCI CHRU de Lille EA2694 patrick.devos@univ-lille2.fr Plan Données Générales : Définition des statistiques Principe de l
Plus en détailLa 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 détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détailSéries Statistiques Simples
1. Collecte et Représentation de l Information 1.1 Définitions 1.2 Tableaux statistiques 1.3 Graphiques 2. Séries statistiques simples 2.1 Moyenne arithmétique 2.2 Mode & Classe modale 2.3 Effectifs &
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailAide-mémoire de statistique appliquée à la biologie
Maxime HERVÉ Aide-mémoire de statistique appliquée à la biologie Construire son étude et analyser les résultats à l aide du logiciel R Version 5(2) (2014) AVANT-PROPOS Les phénomènes biologiques ont cela
Plus en détailIntroduction aux Statistiques et à l utilisation du logiciel R
Introduction aux Statistiques et à l utilisation du logiciel R Christophe Lalanne Christophe Pallier 1 Introduction 2 Comparaisons de deux moyennes 2.1 Objet de l étude On a mesuré le temps de sommeil
Plus en détailIBM SPSS Statistics Base 20
IBM SPSS Statistics Base 20 Remarque : Avant d utiliser ces informations et le produit qu elles concernent, lisez les informations générales sous Remarques sur p. 316. Cette version s applique à IBM SPSS
Plus en détailPROGRAMME (Susceptible de modifications)
Page 1 sur 8 PROGRAMME (Susceptible de modifications) Partie 1 : Méthodes des revues systématiques Mercredi 29 mai 2013 Introduction, présentation du cours et des participants Rappel des principes et des
Plus en détailStatistique Descriptive Élémentaire
Publications de l Institut de Mathématiques de Toulouse Statistique Descriptive Élémentaire (version de mai 2010) Alain Baccini Institut de Mathématiques de Toulouse UMR CNRS 5219 Université Paul Sabatier
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailA. Protocole de recherche (ainsi que l abrégé en langue française)
Commission d'éthique cantonale (VD) de la recherche sur l'être humain Av. de Chailly, 23, 1012 Lausanne Courriel : secretariat.cer@vd.ch 5.12.2013/mz Recommandations pour la soumission d un dossier Tous
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailFPSTAT 2 í La dçecision statistique. 1. Introduction ça l'infçerence. 1
INTRODUCTION ça L'INFçERENCE STATISTIQUE 1. Introduction 2. Notion de variable alçeatoire íprçesentation ívariables alçeatoires discrçetes ívariables alçeatoires continues 3. Reprçesentations d'une distribution
Plus en détailEstimation: intervalle de fluctuation et de confiance. Mars 2012. IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison
Estimation: intervalle de fluctuation et de confiance Mars 2012 IREM: groupe Proba-Stat Estimation Term.1 Intervalle de fluctuation connu : probabilité p, taille de l échantillon n but : estimer une fréquence
Plus en détailLecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888
Lecture critique d article Rappels Bio statistiques Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888 Plan du cours Rappels fondamentaux Statistiques descriptives Notions de tests statistiques
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailÉtudes épidémiologiques analytiques et biais
Master 1 «Conception, évaluation et gestion des essais thérapeutiques» Études épidémiologiques analytiques et biais Roxane Schaub Médecin de santé publique Octobre 2013 1 Objectifs pédagogiques Connaitre
Plus en détailAudit et Inspection Les contraintes extérieures B.Malivoir
Audit et Inspection Les contraintes extérieures B.Malivoir Chef de projet Hémato-Onco CHRU Tours Vice Présidente CPP Région Ouest1 Le contexte juridique Directive 2001/20/CE du Parlement européen et du
Plus en détailStatistique : Résumé de cours et méthodes
Statistique : Résumé de cours et méthodes 1 Vocabulaire : Population : c est l ensemble étudié. Individu : c est un élément de la population. Effectif total : c est le nombre total d individus. Caractère
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailTests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique»
Tests de comparaison de moyennes Dr Sahar BAYAT MASTER 1 année 2009-2010 UE «Introduction à la biostatistique» Test de Z ou de l écart réduit Le test de Z : comparer des paramètres en testant leurs différences
Plus en détailOUTIL D'EVALUATION DU TEMPS ARC / CHEF DE PROJET PROMOTEUR REQUIS POUR UNE RECHERCHE BIOMEDICALE V 2.3 DE L OUTIL NOTICE D UTILISATION
OUTIL D'EVALUATION DU TEMPS ARC / CHEF DE PROJET PROMOTEUR REQUIS POUR UNE RECHERCHE BIOMEDICALE V 2.3 DE L OUTIL NOTICE D UTILISATION i) Contexte :... - 2 - ii) But de l outil :... - 2 - iii) Fonctionnement
Plus en détailLois de probabilité. Anita Burgun
Lois de probabilité Anita Burgun Problème posé Le problème posé en statistique: On s intéresse à une population On extrait un échantillon On se demande quelle sera la composition de l échantillon (pourcentage
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailGUIDE DE LECTURE CRITIQUE D'UN ARTICLE MEDICAL ORIGINAL (LCA)
GUIDE DE LECTURE CRITIQUE D'UN ARTICLE MEDICAL ORIGINAL (LCA) Coordinateurs : B. GOICHOT et N. MEYER Faculté de Médecine de Strasbourg Septembre 2011 PLAN L épreuve de lecture critique d article original
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailEvaluation de la variabilité d'un système de mesure
Evaluation de la variabilité d'un système de mesure Exemple 1: Diamètres des injecteurs de carburant Problème Un fabricant d'injecteurs de carburant installe un nouveau système de mesure numérique. Les
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailLES DIFFERENTS TYPES DE MESURE
LES DIFFERENTS TYPES DE MESURE Licence - Statistiques 2004/2005 REALITE ET DONNEES CHIFFREES Recherche = - mesure. - traduction d une réalité en chiffre - abouti à des tableaux, des calculs 1) Qu est-ce
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailNOTE DE SYNTHESE RELATIVE AUX COMMENTAIRES SUR LE PROJET DE DECRET N 2-14-841 RELATIF A L AUTORISATION DE MISE SUR LE MARCHE DES MEDICAMENTS A USAGE
NOTE DE SYNTHESE RELATIVE AUX COMMENTAIRES SUR LE PROJET DE DECRET N 2-14-841 RELATIF A L AUTORISATION DE MISE SUR LE MARCHE DES MEDICAMENTS A USAGE HUMAIN AVEC LEURS REPONSES CORRESPONDANTES 1 Mme S.
Plus en détailChapitre 3 - L'enquête descriptive simple
Chapitre 3 - L'enquête descriptive simple Version 1.2 AUTEURS PRINCIPAUX : NELLY AGRINIER - CÉDRIC BAUMANN - ISABELLE FOURNEL CO-AUTEURS : FRANCIS GUILLEMIN - GUY HÉDELIN Septembre 2010 Table des matières
Plus en détailELABORATION DU PLAN DE MONITORING ADAPTE POUR UNE RECHERCHE BIOMEDICALE A PROMOTION INSTITUTIONNELLE
Référence HCL : Titre de l étude : ELABORATION DU PLAN DE MONITORING ADAPTE POUR UNE RECHERCHE BIOMEDICALE A PROMOTION INSTITUTIONNELLE Investigateur Coordonnateur : Méthode. Définition du niveau de risque
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailMETHODOLOGIE GENERALE DE LA RECHERCHE EPIDEMIOLOGIQUE : LES ENQUETES EPIDEMIOLOGIQUES
Enseignement du Deuxième Cycle des Etudes Médicales Faculté de Médecine de Toulouse Purpan et Toulouse Rangueil Module I «Apprentissage de l exercice médical» Coordonnateurs Pr Alain Grand Pr Daniel Rougé
Plus en détailAnalyse de grandes bases de données en santé
.. Analyse de grandes bases de données en santé Alain Duhamel Michaël Genin Mohamed Lemdani EA 2694 / CERIM Master 2 Recherche Biologie et Santé Journée Thématique Fouille de Données Plan. 1 Problématique.
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailEstelle Marcault. 20/01/2012 URC Paris Nord 1
Estelle Marcault 20/01/2012 URC Paris Nord 1 Définition du Monitoring Surveillance de l avancement d un essai clinique Garantie que la conduite de l essai, les enregistrements et les rapports sont réalisés
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailStructure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données
Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques
Plus en détailEssais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire
Essais précoces non comparatifs : principes et calcul du nombre de sujets nécessaire Sylvie CHABAUD Direction de la Recherche Clinique et de l Innovation : Centre Léon Bérard - Lyon Unité de Biostatistique
Plus en détailLa simulation probabiliste avec Excel
La simulation probabiliste avec Ecel (2 e version) Emmanuel Grenier emmanuel.grenier@isab.fr Relu par Kathy Chapelain et Henry P. Aubert Incontournable lorsqu il s agit de gérer des phénomènes aléatoires
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailSolutions Décisionnelles SPAD. La maîtrise des données, l'art de la décision
Solutions Décisionnelles SPAD La maîtrise des données, l'art de la décision SPAD, la référence en Analyse de Données et Data Mining La solution logicielle SPAD permet de tirer le meilleur parti de tous
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailPratique de l analyse de données SPSS appliqué à l enquête «Identités et Capital social en Wallonie»
Centre de recherche en démographie et sociétés UCL/IACCHOS/DEMO Pratique de l analyse de données SPSS appliqué à l enquête «Identités et Capital social en Wallonie» 1 2 3+ analyses univariées Type de variables
Plus en détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailEvaluation générale de la qualité des données par âge et sexe
Analyse démographique pour la prise des décisions. Tendances, et inégalités de mortalité et de fécondité en Afrique francophone : les outils en ligne de l UNFPA / UIESP pour l'estimation démographique.
Plus en détailSPHINX Logiciel de dépouillement d enquêtes
SPHINX Logiciel de dépouillement d enquêtes sphinx50frversion4.doc 1 Les trois stades du SPHINX sont ceux que comporte habituellement toute enquête d opinion: Elaboration du questionnaire (fiche outil
Plus en détailLa politique européenne de la Mutualité Française en matière de dispositifs médicaux
La politique européenne de la Mutualité Française en matière de dispositifs médicaux Assises du Médicament GT 6 Sabine Bonnot Chargée de mission Politique des produits de santé 6 avril 2011 Sommaire: -
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailMATHÉMATIQUES. Mat-4104
MATHÉMATIQUES Pré-test D Mat-404 Questionnaire e pas écrire sur le questionnaire Préparé par : M. GHELLACHE Mai 009 Questionnaire Page / 0 Exercice ) En justifiant votre réponse, dites quel type d étude
Plus en détailFirst Line and Maintenance in Nonsquamous NSCLC: What Do the Data Tell Us?
Dr Jean-Charles Soria : Bonjour et bienvenue dans ce programme. Je suis Jean Charles Soria, Professeur de Médecine et Directeur du programme de développement précoce des médicaments à l université Paris
Plus en détailÉTAT DES LIEUX. Niveau de preuve et gradation des recommandations de bonne pratique
ÉTAT DES LIEUX Niveau de preuve et gradation des recommandations de bonne pratique Avril 2013 Les recommandations et leur synthèse sont téléchargeables sur www.has-sante.fr Haute Autorité de Santé Service
Plus en détailQuelques rappels concernant la méthode expérimentale
Quelques rappels concernant la méthode expérimentale 1. La Méthode expérimentale : Définition. Une définition classique de la méthode expérimentale est qu elle «correspond à la méthode d investigation
Plus en détailAnalyse et interprétation des données
8 Analyse et interprétation des données Les données de l enquête peuvent être utilisées pour différents types d analyses aussi bien au niveau national qu au niveau international. Ce chapitre explique comment
Plus en détailAnnexe A de la norme 110
Annexe A de la norme 110 RAPPORTS D ÉVALUATION PRÉPARÉS AUX FINS DES TEXTES LÉGAUX OU RÉGLEMENTAIRES OU DES INSTRUCTIONS GÉNÉRALES CONCERNANT LES VALEURS MOBILIÈRES Introduction 1. L'annexe A a pour objet
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailChapitre 1. La démarche statistique appliquée au management. Minicas. Questions :
Chapitre 1 La démarche statistique appliquée au management Minicas Comment estimer les dégâts d une catastrophe naturelle (tempêtes, ouragans, etc.)? Aux États-Unis, la FEMA (Federal Emergency Management
Plus en détailIntroduction au métier d ARC. en recherche clinique
Introduction au métier d ARC en recherche clinique Déroulement d un projet de recherche clinique Idée Faisabilité Avant Pendant Après Protocole accepté Démarches réglementaires Déroulement de l étude Analyse
Plus en détail1. Les types d enquêtes
La conduite d une enquête par questionnaire La conception d un questionnaire ne doit pas être réalisée de façon hasardeuse. Elle suit une méthodologie stricte qui permet d atteindre des résultats utilisables
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailPanorama des problématiques de traitement de l information. Larbi Aït Hennani, Fatma Bouali, Vincent Vandewalle
Panorama des problématiques de traitement de l information Larbi Aït Hennani, Fatma Bouali, Vincent Vandewalle Conduite d une étude statistique Larbi Aït Hennani, maître de conférences en mathématiques
Plus en détailPartie 1. Principes. Karmela Krleža-Jerić, An-Wen Chan, Kay Dickersin, Ida Sim, Jeremy Grimshaw, Christian Gluud, for the Ottawa GroupT 1
Déclaration d Ottawa sur l enregistrement des essais d interventions de santé: Proposition pour l enregistrement international d informations relatives au protocole et de résultats des essais réalisés
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailStatistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année 2010-2011
Master 1 Biologie et technologie du végétal Année 010-011 Statistiques Rappels de cours et travaux dirigés (Seul ce document sera autorisé en examen) auteur : Jean-Marc Labatte jean-marc.labatte@univ-angers.fr
Plus en détailExploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.
Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION
Plus en détailLES MODELES DE SCORE
LES MODELES DE SCORE Stéphane TUFFERY CONFERENCE GENDER DIRECTIVE 31 mai 2012 31/05/2012 ActuariaCnam Conférence Gender Directive Stéphane Tufféry 1 Plan Le scoring et ses applications L élaboration d
Plus en détailStatistique inférentielle TD 1 : Estimation
POLYTECH LILLE Statistique inférentielle TD : Estimation Exercice : Maîtrise Statistique des Procédés Une entreprise de construction mécanique fabrique de pièces demoteurdevoiturepourungrandconstructeur
Plus en détailAgenda de la présentation
Le Data Mining Techniques pour exploiter l information Dan Noël 1 Agenda de la présentation Concept de Data Mining ou qu est-ce que le Data Mining Déroulement d un projet de Data Mining Place du Data Mining
Plus en détailValidation clinique des marqueurs prédictifs le point de vue du méthodologiste. Michel Cucherat UMR CNRS 5558 - Lyon
Validation clinique des marqueurs prédictifs le point de vue du méthodologiste Michel Cucherat UMR CNRS 5558 - Lyon Marqueur prédictif - Définition Un marqueur prédictif est un marqueur qui prédit le bénéfice
Plus en détailLe traitement de données comportementales un tour d horizon avec des exemples traités par R
Le traitement de données comportementales un tour d horizon avec des exemples traités par R c Christian Jost - jost@cict.fr - 2011/12 document en cours de développement, merci de me signaler les erreurs
Plus en détailProbabilités et Statistiques. Feuille 2 : variables aléatoires discrètes
IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de
Plus en détailEVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO
EVALUATION DE LA QUALITE DES SONDAGES EN LIGNE : CAS D UN SONDAGE D OPINION AU BURKINA FASO Auteur Baguinébié Bazongo 1 Ingénieur Statisticien Economiste Chef de l Unité de recherche à l Institut national
Plus en détailProbabilité et Statistique pour le DEA de Biosciences. Avner Bar-Hen
Probabilité et Statistique pour le DEA de Biosciences Avner Bar-Hen Université Aix-Marseille III 2000 2001 Table des matières 1 Introduction 3 2 Introduction à l analyse statistique 5 1 Introduction.................................
Plus en détailLes conducteurs automobiles évaluent-ils correctement leur risque de commettre un accident?
Les conducteurs automobiles évaluent-ils correctement leur risque de commettre un accident? Nathalie LEPINE GREMAQ, Université de Toulouse1, 31042 Toulouse, France GRAPE, Université Montesquieu-Bordeaux
Plus en détailEFFICACITÉ ET INNOCUITÉ D UN MÉDICAMENT CONTRE LA MPOC COMPARATIVEMENT À UN CONTRÔLE
MICHÈLE PICARD FLIBOTTE EFFICACITÉ ET INNOCUITÉ D UN MÉDICAMENT CONTRE LA MPOC COMPARATIVEMENT À UN CONTRÔLE Essai-stage présenté à la Faculté des études supérieures de l Université Laval dans le cadre
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détail