Le quizz des stats. Xavier Paoletti. Sce de biostatistiques / Inserm U900 Institut Curie

Dimension: px
Commencer à balayer dès la page:

Download "Le quizz des stats. Xavier Paoletti. Sce de biostatistiques / Inserm U900 Institut Curie"

Transcription

1 Le quizz des stats Xavier Paoletti Sce de biostatistiques / Inserm U900 Institut Curie

2 Qques questions pour entamer les hostilités 1. Description de la population Pourquoi parler d'âge médian et non moyen? Quelle mesure centrale préférer (moyenne ou médiane)? Quelle mesure de dispersion préférer (écart type, interquartile, extrêmes)? Retirer les extrêmes dans les calculs descriptifs? si oui, combien? Où? Faut-il tester les différences entre groupes à baseline dans un essai randomisé? 2. Analyse statistique 2.1 Morbimortalité : Quelle morbimortalité est acceptable en chirurgie? Quelles sont les différences entre analyses uni et multivariées? les facteurs de risque de morbimortalité post opératoire peuvent ils être des données postopératoire? 2.2 Efficacité : Que penser des critères composites? Quel placebo autoriser en chirurgie? 2.3 Survie : Que faire des patients perdus de vue dans la réalisation de courbe de Kaplan Meyer? Qui censure-t'on dans la courbe de KM? A partir de quelle taille d'échantillon peut on utiliser la méthode de Kaplan Meyer? Qu est-ce qu'un score de propension? Quelles différences entre score de propension et appariement classique? 3. Logiciel : quel logiciel de stat pour un néophyte? quelles stats peut on faire sous excel?

3 Description de la population Médiane versus moyenne: Médiane valeur qui coupe la population en 2 Donne une vague idée du «milieu» Peu sensible aux observations extrêmes Intervalle de confiance pas aisé Recommandée lorsque Petits effectifs Distribution non symétrique (notamment les durées) Moyenne Avec l écart-type permet de calculer un intervalle de confiance Sensible aux valeurs extrêmes Moyenne=médiane si distribution symétrique

4 Description de la population Les 2 sont possibles En général distribution symétrique Regarder si c est le cas

5 Description de la population Une mesure de dispersion doit tjs être donné Dépend du résumé utilisé Avec la moyenne Écart-type (ou variance) fourni aisément un IC Si écart-type > moyenne, probablement utiliser la médiane. Avec la médiane Interquartile range (ou quartiles ou décile) Min, max (pour indiquer si données aberrantes) plus les valeurs de la population sont resserrées, plus on peut en inclure entre les bornes (déciles plutôt que quartiles) quelle seront les valeurs d intérêt dans l analyse

6 Ne jamais retirer d observations 2 cas A priori car prévu par le protocole: pose le pb de la population d analyse A posteriori: risque de biais Si données «aberrantes», préférer des études de sensibilités

7 Etudes de sensibilités Si je modifie légèrement les données les hypothèses Modifie-t-on les conclusions Données extrêmes, erreurs d inclusion, violations de protocole etc ont-elles un impact? Si oui, c est irrécupérable Si non, les conclusions n en sont que plus généralisables

8

9 En théorie Vérifier la randomisation n a pas de sens si la randomisation a fonctionnée = 2 groupes sont équilibrés pour les facteurs de risque Différences statistiquement significatives! Si 10 caractéristiques, 10 tests ( =5%) proba de rejeter un des 10 tests à tord (proba de trouver un faux positif) = 40% Si tout est équilibré, suspect En pratique, certaines différences ne passent pas

10 Solution Randomisation stratifiée sur les facteurs pronostiques connus les plus forts Pour chaque facteur: autant de bras A que de bras B 2 techniques Stratification: autant de strates que de combinaisons de facteurs prono vite limité par le nb de strates Minimisation: assure équilibre pour chaque facteur (mais pas pour chaque combinaison) A posteriori, seule une analyse multivariée est faisable

11 2. Analyse statistique

12 Analyse et ajustement Analyse univariée (ou parfois appelée bivariée) 1 caractéristique est comparée entre 2 groupes Comparaison de l âge ds les 2 bras (ou plus) (test t) Comparaison de la répartition du stade etc. (test du Chi-2) ou 1 caractéristique est associée à un événement Association du stade avec le risque de décès (test du chi-2, régression logistique) Association d un facteur avec le délai de survie (test du log-rank, modèle de cox univarié) Mais pb des facteurs de confusion

13 Facteurs de confusion Analyse et ajustement Facteurs associés à l événement d intérêt (la survie, l événement indésirable, le taux mesuré etc.) et au traitement (ou intervention) Par ex. Etude épidémiologique: Le tabac sur l association alcool et cancer du poumon Essai clinique: Stades élevés de la maladie plus fréquent ds le groupe contrôle On souhaite prendre en compte cette covariable (tabac, stage etc.) mesurer l effet traitement ajusté sur la covariable

14 Analyse et ajustement Facteurs de confusion 2 stratégies Tests ajustés (ou stratifiés) On teste l effet traitement en tenant compte de la covariable L effet de la covariable n est pas estimé Un nombre faibles de covariable peut être utilisé (pas trop de strates) Modèle multivarié Proba de décès=a*tabac + b*stade + c*age + + i(stade*tabac) On estime les paramètres (a,b,c, ) Ils mesurent l association de la variable avec le décès toutes choses égales par ailleurs. Le choix du modèle nécessite des hypothèses S ils sont nulles (ou pas statistiquement différents de 0), pas d effet de la covariable

15 Analyse et ajustement Limites des modèles multivariés On modélise à peine le passé On explique peu de la variabilité (<20%) On ne sait pas comment choisir les variables Soucis de parcimonie Mais pas de bonne technique de construction de modèle Nombreux choix arbitraires Facile à critiquer Politiquement incorrect dans une publication d un essai randomisé Principalement utilisé pour construire des scores pronostiques Lorsque pas de randomisation.

16 Analyse et ajustement Teloken et al. Adult urogoly 2009 Âge, sex, type d opération, TNM etc sont sûrement ou probablement lié à l histologie et sûrement à la survie facteurs de confusion analyse univariée peu informative Analyse multivariée mais ne prend pas en compte tout les facteurs non mesurés.

17 Analyse et ajustement Teloken et al. Adult urogoly 2009

18 Comment construire son modèle Pas de bonnes méthodes Forward, backward Stepwise Mais qques règles Le faire manuellement Considérer les variables par groupes (démographique, lié à la tumeur, lié aux fonction vitales etc.) Choisir a priori les variables d intérêt Les facteurs d ajustement Les règles de sélection (p-value, AIC etc.)

19 Modèle: quelles variables faire entrer

20 Modèle: quelles variables faire entrer Si ajustement (et taille d échantillon nécessaire): Tous les facteurs de confusion potentiels Toutes celles identifiée a priori, même si NS. Évite les suspicions de présentations partiales Si construction score pronostique Les variables pertinentes cliniquement Montrer qu une dégradation de l OMS est associée avec la survie est-il utile? Variables à baseline Si outil de suivi des patients Variables mesurées au cours du temps (AFP, TP, PSA etc.)

21 Modèle: quelles variables faire entrer Conclusions:

22 Et le score de propension Effectiveness of Radiation Therapy for Elderly Patients with Unresected Stage I and II Non-small Cell Lung Cancer by Juan P. Wisnivesky et al AJRCCM (in press) Scientific Knowledge on the subject: Radiation therapy is considered the standard of care for unresected stage I and II lung cancer patients. Limited data is available regarding its effectiveness. What this study adds to the field: Using several methods to control for selection bias, we showed that RT improves the outcomes of elderly patients with stage I and II lung cancer who did not undergo resection due to comorbidities or preferences against surgery.

23 Et le score de propension Methods: Using the Surveillance, Epidemiology and End Results registry (SEER), - identify 6,065 unresected patients with histologically confirmed stage I and II non-small-cell lung cancer, - Use propensity score methods and instrumental variable analysis to control for the possible effects of known as well as unmeasured confounders.

24 THEORIE DU Score de propension Idée de base Si non randomisé, le choix de l intervention dépend de facteurs pronostiques ce sont donc des facteurs de confusion les cas et les témoins ne sont plus comparables Ajuster sur la probabilité d avoir le trt (ou intervention) Calculer en fonction de toutes les covariables à l inclusion la proba de recevoir le traitement. Comparer l effet trt chez des individus qui ont la même proba de recevoir le trt. Remplacer ces covariables par une variable unique (SP) (condensation de l information) Rosenbaum P, Rubin DB; Biometrika 1983

25 Construction du score de propension Modèle de régression logistique Variable dépendante: trt ou exposition Variables explicatives: caractéristiques avant attribution du trt.

26 CONSTRUCTION DU SP 1ère étape Sélection des variables (caractéristiques de base eavant le début de l intervention) Plusieurs méthodes: Modèle non parsimonieux A priori (choix basé sur études antérieures) Avis d experts Variables maximisant GOF du modèle Différence en analyse univariée Sélection ascendante, descendante ou pas à pas Weitzen S et al. Pharmacoepidemiol Drug Saf 2004

27 CONSTRUCTION DU SP 2 ème étape Validation du modèle Vérification de l équilibre de la distribution des covariables entre les groupes (but du Score de propension, préalable indispensable à toute analyse)

28 Utilisation du SP Ensuite Appariement: les cas et les témoins sont appariés (comparés) par niveau de «risques» de recevoir le traitement (par ex.: 5 classes) Ajustement: Score de propension introduit dans le modèle soit comme variable quantitative soit comme k-1 variable qualitative

29 INTERETS Synthèse de l information contenue dans les covariables en un score unique Equilibre de la distribution des covariables entre les groupes: estimation non biaisée (ou biais minime) de l effet du TTT (situation proche de la randomisation) si toutes les facteurs associés à la probabilité de recevoir le trt sont prises en compte Facilite la stratification et l appariement Corrige pour le biais induit par le déséquilibre des facteurs mesurés

30 LIMITES Ne permet pas de prendre en compte les covariables non observées ( randomisation) Repose sur un modèle (et vaut ce que vaut le modèle) Ne peut remplacer la randomisation

31 2.1 Morbimortalité : Qui peut répondre Le malade Le médecin Le directeur d hôpital La société à travers la santé publique Qui ne peut pas répondre Le statisticien Pose la question du rapport bénéfice-risque

32 2.1 Morbimortalité : Ex de la thrombolyse Thrombolysis with alteplase 3 to 4.5 hours after acute ischemic stroke. (NEJM 2006) efficacy and safety of intravenous thrombolysis with alteplase when administered more than 3 hours? Significantly improved clinical outcomes in patients with acute ischemic stroke; alteplase was more frequently associated with symptomatic intracranial hemorrhage. 7 à 10% de décès pour un bénéfice fort.

33 Critères composites Objective: Evaluate the clinical effect of PET CT on preoperative staging of NSCLC Primary endpoint: number of futile thoracotomies: a thoracotomy with the finding of pathologically confirmed mediastinal lymph-node involvement (stage IIIA [N2]), stage IIIB or stage IV or a benign lung lesion; an exploratory thoracotomy; Fisher etal. NEJM 2009 or a thoracotomy in a patient who had recurrent disease or death from any cause within 1 year after randomization.

34 Critères composites Fisher et al. NEJM 2009 Est-ce que le stade correspond à Futile thoracotomies: a thoracotomy with the finding of pathologically confirmed mediastinal lymph-node involvement (stage IIIA [N2]), stage IIIB or stage IV or a benign lung lesion; an exploratory thoracotomy; or a thoracotomy in a patient who had recurrent disease or death from any cause within 1 year after randomization.

35 L exemple du cancer du colon De nombreuses définitions (n=52 études entre 1997 et 2006) Disease-free survival : time to recurrence, 2d primary cancer, or death (n = 13) time to recurrence or death (n =10) and time to recurrence (n = 4) Disease-free interval: Time to recurrence (n = 2) Relapse-free survival time to recurrence (n = 2) time to recurrence or death (n = 1) time to recurrence, 2d primary colon cancer, death due to toxicity, or death due to colon cancer (n = 1)

36 2.3 Survie

37 Kaplan-Meyer Donnée de survie: Temps avant événement durée continue Temps avant: décès, progression, récidive, guérison, négativation, dégradation du PS Evénement Et si le patient ne meure pas? Temps avant événement est «censuré» Il a vécu au moins jusqu à la censure

38 Censures Analyse des données A l analyse des données pdv 4 Début étude Temps Inclusion Temps Inclusion du patient Pdv= Perdu de vue Censure

39 2 types de censure Censures Patient est en vie au moment de l analyse si on retarde l analyse, plus d information sera accumulée sur ce patient «exclus vivant» Patient «perdu de vue»: son état ne peut plus être mis à jour Attendre n apportera rien

40 Lire une courbe de survie Survie de 85% à 30 jours Médiane= 56 jrs

41 Comparaison graphique Patients (%) Rituximab maintenance Years van Oers MH, et al. Blood 2006; 108:

42 Test du Log-rank: Test de comparaison Teste l hypothèse que les 2 bras sont équivalents quelque soit le temps t Permet de comparer temps par temps le risque de décès observé avec le risque attendu si les 2 bras étaient équivalents Prend en compte toute l information Fournit un seuil de signification

43 Comparaison de courbe : test du Log-rank Patients (%) p < Years van Oers MH, et al. Blood 2006; 108:

44 Mesures de comparaison Une différence entre 2 courbes de Kaplan-Meier peut se résumer de plusieurs façons : Quel est le pourcentage de survie au temps t dans chaque groupe? Quelle est la médiane de survie dans chaque groupe? Quel est le Hazard Ratio (HR)?

45 Comparaison graphique: de l inconstance du % à t Patients (%) % 30% 35% Rituximab maintenance 15% Years van Oers MH, et al. Blood 2006; 108:

46 Mesure des différences: des risques de la médiane Patients (%) p < Augmentation de la médiane > 3 years Observation median: 14.9 months Rituximab maintenance median: 51.5 months Years van Oers MH, et al. Blood 2006; 108:

47 Mesure des différences: des risques de la médiane Patients (%) p < Augmentation de la médiane > 3 years Observation median: 14.9 months Rituximab maintenance median: 51.5 months Years

48 Hazard ratio C est le rapport des risques instantanés d événements entre le bras A et le bras B HR = risque de décès dans A risque de décès dans B C est aussi le rapport des incidences ds un essai randomisé, approché par HR = ( nb décès ds A ) suivi total bras A ( nb décès ds B ) bras B suivi total

49 Hazard ratio Si HR > 1 alors le risque sous A est supérieur à celui sous B effet nocif de A Si HR = 1 alors le risque sous A est similaire à celui sous B pas d effet de A Si HR < 1 alors le risque sous A est inférieur à celui sous B effet bénéfique de A Exemple : HR = 0.71 réduction de 29% du risque instantané de décès à tous les temps t (quelque soit le temps t, j ai 29% de risque en moins de décéder) Le Hazard ratio mesure l effet du traitement sur tout le suivi

50 Et du côté pratique

51 Logiciels Q Excel permet de faire bcp de choses Tests Modèles simples (univariés) Survie simple (tests et univariés) Avec l extension SPSS A peu près tout ce qui peut être fait sans manipulation de données Mais limité pour La construction de modèles Les scores de propension, l appariement etc.

52 Logiciels Q Pour les plus courageux Le logiciel «R» est en freeware (téléchargeable) Extrêmement puissant Peu convivial

53 Conclusion Mais surtout, Si les données son mauvaises, les analyses seront inutiles Allez voir votre service de biostat AVANT l obtention des données «Appeler un statisticien après que l expérience est terminée, c est comme lui demander de faire une autopsie; il pourra seulement déterminer la cause de l échec de l expérience» Sir Ronald Fisher

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE

MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE MÉTHODES ET STATISTIQUES POUR LIRE UN ARTICLE Forum HH 05.02.2013 Ghislaine Gagnon Unité HPCI Qualitatif ou quantitatif? Les 2 méthodes peuvent être utilisées séparément ou en conjonction - le qualitatif

Plus en détail

Compléments de statistiques

Compléments de statistiques 2 e cycle EM2 & 3 LCA Complément de statistique. Compléments de statistiques Analyse de données de survie Analyse univariée D. Neveu compléments statistiques EM2 EM3 : 2006-2007 2 Objectifs pédagogiques

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

INTRODUCTION A LA RECHERCHE QUANTITATIVE

INTRODUCTION A LA RECHERCHE QUANTITATIVE INTRODUCTION A LA RECHERCHE QUANTITATIVE Deuxième partie : de la base de données aux résultats Juin 2010 Julien Gelly, Caroline Huas, Josselin Le Bel Plan 2 1. Introduction 2. Saisie des données : Epi

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

Principe d un test statistique

Principe 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 détail

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE

GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Département Universitaire de Recherche et d Enseignement en Médecine Générale GUIDE D AIDE STATISTIQUE A LA PREPARATION DE LA THESE Enseignants : Esther GUERY, Julien LE BRETON, Emilie FERRAT, Jacques

Plus en détail

Lot Quality Assurance Sampling. Elise Naoufal EVARISQ 15 septembre 2011

Lot Quality Assurance Sampling. Elise Naoufal EVARISQ 15 septembre 2011 Lot Quality Assurance Sampling LQAS Elise Naoufal EVARISQ 15 septembre 2011 1 LQAS Une question d efficacité? LQAS et santé Méthode et Fondements théoriques Détermination du couple (n,d n,d) Conclusion

Plus en détail

Exercice n 9 : Ne pas confondre observer et expérimenter

Exercice n 9 : Ne pas confondre observer et expérimenter Le pronostic des cancers du sein dépend de divers facteurs, dont la taille du cancer. En France, au cours d une étude, il a été observé un taux de survie plus important chez les femmes ayant un cancer

Plus en détail

Analyse de survie : comment gérer les données censurées?

Analyse de survie : comment gérer les données censurées? Mémento biostatistique Analyse de survie : comment gérer les données censurées? Méthode de Kaplan-Meier C. Alberti 1, J.-F. Timsit 2, S. Chevret 3 1 Centre d Epidémiologie Clinique, Hôpital Robert Debré,

Plus en détail

MASTER 2 : Pharmacologie Clinique et Développement Thérapeutique. Evaluation de nouvelles drogues Critères de jugement clinique

MASTER 2 : Pharmacologie Clinique et Développement Thérapeutique. Evaluation de nouvelles drogues Critères de jugement clinique MASTER 2 : Pharmacologie Clinique et Développement Thérapeutique Evaluation de nouvelles drogues Critères de jugement clinique Jean-Marie BOHER, PhD, Institut Paoli-Calmettes, Marseille Novembre 2011 Typologie

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

Pièges classiques en statistiques

Pièges classiques en statistiques Pièges classiques en statistiques Raphaël Porcher Hôpital Saint-Louis & Université Paris Diderot 18 janvier 2012 Plan Introduction Différents types d erreurs courantes : analyse, interprétation Exemple

Plus en détail

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire?

Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Outils méthodologiques et astuces pour la thèse de médecine Les statistiques, comment faire? Cyril Ferdynus, USM, CHU RECUEIL DE DONNEES Recueil hors ligne Epidata (http://www.epiconcept.fr/html/epidata.html)

Plus en détail

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon

Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie (EA3181) CHRU Besançon PACES - APEMK UE 4 Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Estimateur et Estimation Prof Franck Bonnetain Unité de méthodologie & de qualité de vie en cancérologie

Plus en détail

PROGRAMME DE FORMATION A L UTILISATION DU LOGICIEL R

PROGRAMME DE FORMATION A L UTILISATION DU LOGICIEL R PROGRAMME DE FORMATION A L UTILISATION DU LOGICIEL R Analyses multivariées avec R Vincent RICHARD Unité d épidémiologie Institut Pasteur de DakarRindra Randremanana Unité d'épidémiologie Institut Pasteur

Plus en détail

11. Tests d hypothèses (partie 1/2)

11. Tests d hypothèses (partie 1/2) 11. Tests d hypothèses (partie 1/2) MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v1) MTH2302D: tests d hypothèses 1/30 Plan 1. Introduction 2. Hypothèses et erreurs 3. Tests d hypothèses

Plus en détail

(Introduction à l ) Introduction aux diagrammes causaux (Directed Acyclic Graphs) Loïc Desquilbet

(Introduction à l ) Introduction aux diagrammes causaux (Directed Acyclic Graphs) Loïc Desquilbet (Introduction à l ) Introduction aux diagrammes causaux (Directed Acyclic Graphs) Loïc Desquilbet Contexte et représentation des diagrammes causaux Contexte Recherche de facteurs de risque d une maladie

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe 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 détail

MASTER «Sciences de la Vie et de la Santé» Mention «Santé Publique»

MASTER «Sciences de la Vie et de la Santé» Mention «Santé Publique» M1_presentation_generale_4juil05.doc 1/11 MASTER «Sciences de la Vie et de la Santé» Mention «Santé Publique» La mention s articule autour de 6 spécialités : Recherche en éthique : Pr Christian HERVE (herve@necker.fr)

Plus en détail

Statistiques et essais cliniques

Statistiques et essais cliniques Hegel Vol. 3 N 1 2013 DOI : 10.4267/2042/49204 21 Statistiques et essais cliniques François Kohler Laboratoire SPI-EAO, Faculté de Médecine, Vandœuvre-les-Nancy francois.kohler@univ-lorraine.fr Introduction

Plus en détail

Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique

Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique Méthodes Statistiques Appliquées à la Qualité et à la Gestion des Risques - Le Contrôle Statistique Jean Gaudart Laboratoire d Enseignement et de Recherche sur le Traitement de l Information Médicale jean.gaudart@univmed.fr

Plus en détail

Traitement standard des GBM: ASTRO 2010: - Nombreuses études rétrospectives - Quelques études cliniques préliminaires

Traitement standard des GBM: ASTRO 2010: - Nombreuses études rétrospectives - Quelques études cliniques préliminaires Tumeurs primitives Traitement standard des GBM: - Résection aussi complète que possible - Bénéfice de la RCT postopératoire - Patients les plus âgés?? (50% > 65 ans) - Quid du TMZ?? ASTRO 2010: - Nombreuses

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

12 ANALYSER DES DONNEES DE SURVIE. Introduction aux méthodes d analyse de la survie

12 ANALYSER DES DONNEES DE SURVIE. Introduction aux méthodes d analyse de la survie 12 ANALYSER DES DONNEES DE SURVIE Merci à Nadine Bossard et à Pascal Roy pour la rédaction de la partie statistique de ce chapitre. Introduction aux méthodes d analyse de la survie Nous allons nous intéresser

Plus en détail

Evaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés

Evaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés Evaluation de critères res de substitution de la survie globale dans les cancers bronchiques localement avancés Evaluations de la survie sans progression et du contrôle locoregional comme critère de substitution

Plus en détail

Les données manquantes en statistique

Les données manquantes en statistique Les données manquantes en statistique N. MEYER Laboratoire de Biostatistique -Faculté de Médecine Dép. Santé Publique CHU - STRASBOURG Séminaire de Statistique - 7 novembre 2006 Les données manquantes

Plus en détail

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Chapitre 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 détail

Lecture Critique d un essai thérapeutique dans la maladie d Alzheimer. Sandrine Andrieu Jean François Dartigues

Lecture Critique d un essai thérapeutique dans la maladie d Alzheimer. Sandrine Andrieu Jean François Dartigues Lecture Critique d un essai thérapeutique dans la maladie d Alzheimer Sandrine Andrieu Jean François Dartigues Histoire du dimebon Vous arrivez le matin à la consultation mémoire. Dans la voiture, sur

Plus en détail

Utilisation du logiciel Excel pour des analyses simples de bases données

Utilisation du logiciel Excel pour des analyses simples de bases données Utilisation du logiciel Excel pour des analyses simples de bases données Catherine Raux (interne Santé Publique) et Benoît Lepage (AHU), Service d Epidémiologie du CHU de Toulouse Version 1.1 Avril 2012

Plus en détail

TD de statistique : tests du Chi 2

TD de statistique : tests du Chi 2 TD de statistique : tests du Chi 2 Jean-Baptiste Lamy 6 octobre 2008 1 Test du Chi 2 C est l équivalent de la comparaison de moyenne, mais pour les variables qualitatives. 1.1 Cas 1 : comparer les répartitions

Plus en détail

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES

Module 2 29 Décembre 2009 Intervenant: Dhuin STATISTIQUES STATISTIQUES I. Séries statistiques simples... 1 A. Définitions... 1 1. Population... 1 2. Caractère statistique... 1 B. Séries classées / représentations graphiques.... 2 1. Séries classées... 2 2. Représentations

Plus en détail

Séries Statistiques Simples

Séries 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 détail

Chapitre 6 Test de comparaison de pourcentages χ². José LABARERE

Chapitre 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 détail

D après la communication orale de B. D. Cheson, abstract 123, ICML 2015. Rédaction : Dr A. Chauchet, Hôpital Minjoz, Besançon

D après la communication orale de B. D. Cheson, abstract 123, ICML 2015. Rédaction : Dr A. Chauchet, Hôpital Minjoz, Besançon Premiers résultats de l étude de phase III GADOLIN étudiant l obinutuzumab associé à la bendamustine versus bendamustine seule chez des lymphomes non hodgkiniens indolents réfractaires au rituximab D après

Plus en détail

Les statistiques pour les «Nuls» en 2008. Professeur Sylvie Naveau Hôpital Antoine Béclère Clamart

Les statistiques pour les «Nuls» en 2008. Professeur Sylvie Naveau Hôpital Antoine Béclère Clamart Les statistiques pour les «Nuls» en 2008 Professeur Sylvie Naveau Hôpital Antoine Béclère Clamart L auteur déclare n avoir aucun conflit d intérêt Chen MS Ann Surg 2006;243:321-328 Critéres d inclusion

Plus en détail

Validation 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 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 détail

Méthodologie d échantillonnage et Échantillonneur ASDE

Méthodologie d échantillonnage et Échantillonneur ASDE Méthodologie d échantillonnage et Échantillonneur ASDE Par Michel Rochon L énoncé suivant définit de façon générale la méthodologie utilisée par Échantillonneur ASDE pour tirer des échantillons téléphoniques.

Plus en détail

Outils Statistiques du Data Mining

Outils Statistiques du Data Mining Outils Statistiques du Data Mining Pr Roch Giorgi roch.giorgi@univ-amu.fr SESSTIM, Faculté de Médecine, Aix-Marseille Université, Marseille, France http://sesstim-orspaca.org http://optim-sesstim.univ-amu.fr

Plus en détail

Introduction à l analyse quantitative

Introduction à l analyse quantitative Introduction à l analyse quantitative Vue d ensemble du webinaire Le webinaire sera enregistré. Les diapositives et tous les autres documents seront envoyés aux participants après la séance. La séance

Plus en détail

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL

La régression logistique. Par Sonia NEJI et Anne-Hélène JIGOREL La régression logistique Par Sonia NEJI et Anne-Hélène JIGOREL Introduction La régression logistique s applique au cas où: Y est qualitative à 2 modalités Xk qualitatives ou quantitatives Le plus souvent

Plus en détail

Protocole d étude de l évaluation des résultats des centres de FIV 2011 1. -Activité 2011-

Protocole d étude de l évaluation des résultats des centres de FIV 2011 1. -Activité 2011- Protocole d étude Evaluation des résultats des centres de FIV -Activité 2011- Contexte Depuis 2005, l Agence de la biomédecine a pour mission de suivre et d évaluer les activités cliniques et biologiques

Plus en détail

Introduction à l approche bootstrap

Introduction 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 détail

Table Ronde N 7 : Evaluation au remboursement des anticancéreux : méthodologie, relation entre quantité d effet et besoin thérapeutique

Table Ronde N 7 : Evaluation au remboursement des anticancéreux : méthodologie, relation entre quantité d effet et besoin thérapeutique Table Ronde N 7 : Evaluation au remboursement des anticancéreux : méthodologie, relation entre quantité d effet et besoin thérapeutique 1 Qu entend on par évaluation au remboursement? L évaluation est

Plus en détail

Tests 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» 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 détail

partie a Introduction à la statistique 1

partie a Introduction à la statistique 1 table des matières F AVANT-PROPOS À L ÉDITION AMÉRICAINE Abréviations viii xiv partie a Introduction à la statistique 1 1. Statistique et probabilité ne sont pas intuitives 3 Nous avons tendance à passer

Plus en détail

Analyse de la variance Comparaison de plusieurs moyennes

Analyse 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 détail

AcaDM 2012 LA RANDOMISATION plus concrètement? Quân TRAN Intergroupe Francophone de Cancérologie Thoracique

AcaDM 2012 LA RANDOMISATION plus concrètement? Quân TRAN Intergroupe Francophone de Cancérologie Thoracique AcaDM 2012 LA RANDOMISATION plus concrètement? Quân TRAN Intergroupe Francophone de Cancérologie Thoracique 12 juin 2012 Bref rappel des différentes méthodes Les moyens disponibles Expériences à l IFCT

Plus en détail

La nouvelle planification de l échantillonnage

La nouvelle planification de l échantillonnage La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage

Plus en détail

ACETATE D ABIRATERONE: QUELS FACTEURS PRONOSTIQUES ET PREDICTIFS UTILISABLES EN PRATIQUE CLINIQUE?

ACETATE D ABIRATERONE: QUELS FACTEURS PRONOSTIQUES ET PREDICTIFS UTILISABLES EN PRATIQUE CLINIQUE? ACETATE D ABIRATERONE: QUELS FACTEURS PRONOSTIQUES ET PREDICTIFS UTILISABLES EN PRATIQUE CLINIQUE? D après la communication orale de Yu Y. (Discussion) Prognosis and Prediction of Outcomes in Castration-Resistant

Plus en détail

Les techniques de dépistage de la fraude. Marianne Paesmans Lieveke Ameye 1

Les techniques de dépistage de la fraude. Marianne Paesmans Lieveke Ameye 1 Les techniques de dépistage de la fraude Marianne Paesmans Lieveke Ameye 1 Erreurs versus fraude Contrôle qualité des données et validation d une base de données avant analyse sont des étapes standard

Plus en détail

23. Interprétation clinique des mesures de l effet traitement

23. 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 détail

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014

Échantillonnage. Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Démarche Statistique 1 Échantillonnage Pierre Neuvial, http://stat.genopole.cnrs.fr/~pneuvial Evry, M1 SGO, automne 2014 Introduction Objectif statistique descriptive: sur l'échantillon statistique inférentielle:

Plus en détail

Méthodologie des essais cliniques de phase III

Méthodologie des essais cliniques de phase III Méthodologie des essais cliniques de phase III Dr Patrick Rossignol p.rossignol@chu-nancy.fr Centre d Investigation Clinique & consultation multidisciplinaire d HTA du CHU de Nancy & INSERM 961 Phases

Plus en détail

46 e journées de statistique

46 e journées de statistique 46 e journées de statistique Le 5 juin 2014 à Rennes Construction et estimation des capacités d un score pronostique : intérêts de la pénalisation de LASSO et de l estimateur bootstrap 0.632+ appliqués

Plus en détail

CONCOURS 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) 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 détail

Valeur ajoutée relative basée sur les comparaisons indirectes Giens 2008, TR 5

Valeur ajoutée relative basée sur les comparaisons indirectes Giens 2008, TR 5 Valeur ajoutée relative basée sur les comparaisons indirectes Giens 2008, TR 5 Claire Le Jeunne Bertrand Xerri Cécile Rey-Coquais Jean-Michel Joubert Jean Delonca Martine Pigeon Michel Lièvre Patricia

Plus en détail

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc

TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc TUTORAT UE4 2010-2011 Biostatistiques Concours Blanc Lorsque cela n est pas précisé (explicitement ou implicitement), les tests sont réalisés à 5% en bilatéral QCM n 1 : Généralités sur les probabilités

Plus en détail

Prise en compte du temps dans les essais de phase I

Prise en compte du temps dans les essais de phase I 4 ème Conférence d Epidémiologie Clinique XV ème Réunion des Statisticiens des Centres de Lutte contre le Cancer Prise en compte du temps dans les essais de phase I Application aux essais d escalade de

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

Statistique : Résumé de cours et méthodes

Statistique : 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 détail

Dépistage du cancer pulmonaire pour les personnes exposées à l'amiante. Etat de la situation en Suisse

Dépistage du cancer pulmonaire pour les personnes exposées à l'amiante. Etat de la situation en Suisse Dépistage du cancer pulmonaire pour les personnes exposées à l'amiante Etat de la situation en Suisse Formation en pneumologie du 30 avril 2015 Dr Régis Otasevic Importations d amiante (tonnes) Mésothéliomes

Plus en détail

Le nouveau paradigme de l évaluation des médicaments en vie réelle

Le nouveau paradigme de l évaluation des médicaments en vie réelle Académie de Pharmacie 2 décembre 2015 Le nouveau paradigme de l évaluation des médicaments en vie réelle Lucien Abenhaim Laser Analytica London School of Hygiene & Tropical Medicine 1 Questions Définitions

Plus en détail

Description simple d une base de données

Description simple d une base de données Description simple d une base de données Sommaire I. Estimation des principaux paramètres de la statistique descriptive : moyenne, écart-type, pourcentage... 1 II. Les Graphiques dans Excel 2007... 3 A.

Plus en détail

Spécificités méthodologiques en pédiatrie : gestion des petits effectifs et des effets rares au long cours

Spécificités méthodologiques en pédiatrie : gestion des petits effectifs et des effets rares au long cours Spécificités méthodologiques en pédiatrie : gestion des petits effectifs et des effets rares au long cours Corinne Alberti CIE 5 : modèles et méthodes de l évaluation clinique et thérapeutique en pédiatrie

Plus en détail

Dr Donatien MOUKASSA Département des sciences biomédicales Anatomie et Cytologie Pathologiques FSS, Brazzaville, Congo

Dr Donatien MOUKASSA Département des sciences biomédicales Anatomie et Cytologie Pathologiques FSS, Brazzaville, Congo COMMENT REDIGER UN PROJET DE RECHERCHE POUR UNE THESE DE MEDECINE OU UN MEMOIRE EN SCIENCES DE LA SANTE? Dr Donatien MOUKASSA Département des sciences biomédicales Anatomie et Cytologie Pathologiques FSS,

Plus en détail

Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring

Projet 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 détail

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée.

UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans sa documentation) est autorisée. Université René Descartes- Paris V Licence de Psychologie Année L1, Semestre S1-2005 /2006 Page 1/5 UE ADP1 Durée de l'épreuve : 1 heure 30 mn. Aucun document n'est autorisé. Seule la calculette (sans

Plus en détail

Les Meta-analyses. Sibilia Quilici. Université René Descartes Paris V Faculté de Pharmacie Master Science de la vie et de la santé 28/01/2014

Les Meta-analyses. Sibilia Quilici. Université René Descartes Paris V Faculté de Pharmacie Master Science de la vie et de la santé 28/01/2014 Les Meta-analyses Sibilia Quilici Université René Descartes Paris V Faculté de Pharmacie Master Science de la vie et de la santé 28/01/2014 Nombre de publication en méta-analyses 8000 7000 6000 5000 4000

Plus en détail

La radiothérapie a été longtemps utilisée comme seul traitement locorégional des formes avancées de cancer du sein L expérience acquise permet de

La radiothérapie a été longtemps utilisée comme seul traitement locorégional des formes avancées de cancer du sein L expérience acquise permet de Radiothérapie dans la stratégie néoadjuvante Alain Fourquet Département de Radiothérapie Oncologique Introduction La radiothérapie a été longtemps utilisée comme seul traitement locorégional des formes

Plus en détail

«N2» : UNE ALTERNATIVE AU CHOIX CORNELIEN OU AU PARI DE PASCAL. Docteur Olivier CASTELNAU Saint Laurent du Var

«N2» : UNE ALTERNATIVE AU CHOIX CORNELIEN OU AU PARI DE PASCAL. Docteur Olivier CASTELNAU Saint Laurent du Var «N2» : UNE ALTERNATIVE AU CHOIX CORNELIEN OU AU PARI DE PASCAL Docteur Olivier CASTELNAU Saint Laurent du Var La totalité des patients doit bénéficier d une décision collégiale prise au sein d une RCP

Plus en détail

Marion GILBERT Simon CHAUVEAU. DES pneumologie 11 avril 2014

Marion GILBERT Simon CHAUVEAU. DES pneumologie 11 avril 2014 Marion GILBERT Simon CHAUVEAU DES pneumologie 11 avril 2014 Contexte Dépistage du cancer poumon : Santé publique Par scanner injecté (low dose) : Baisse de la mortalité (-20%) : NLSTrial (USA) 2011: «The

Plus en détail

La 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 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 détail

Les statistiques descriptives et les intervalles de confiance

Les statistiques descriptives et les intervalles de confiance Les statistiques et les intervalles de Yohann.Foucher@univ-nantes.fr Equipe d Accueil 4275 "Biostatistique, recherche clinique et mesures subjectives en santé", Université de Nantes Master 2 - Cours #2

Plus en détail

Statistiques appliquées aux études médicamenteuses cliniques. Pierre BOUTOUYRIE Pharmacologie HEGP

Statistiques appliquées aux études médicamenteuses cliniques. Pierre BOUTOUYRIE Pharmacologie HEGP Statistiques appliquées aux études médicamenteuses cliniques Pierre BOUTOUYRIE Pharmacologie HEGP Grands principes méthodologiques Tout dépend de la formulation de la question scientifique Exemple : on

Plus en détail

ACCÈS AUX ESSAIS DE PHASE I EXISTE-T-IL DES INÉGALITÉS? CHEZ DES PATIENTS ATTEINTS D UN CANCER COLORECTAL : Cliquez pour modifier le style du titre

ACCÈS AUX ESSAIS DE PHASE I EXISTE-T-IL DES INÉGALITÉS? CHEZ DES PATIENTS ATTEINTS D UN CANCER COLORECTAL : Cliquez pour modifier le style du titre Cliquez pour modifier le style du titre ACCÈS AUX ESSAIS DE PHASE I CHEZ DES PATIENTS ATTEINTS D UN CANCER COLORECTAL : EXISTE-T-IL DES INÉGALITÉS? JULIETTE BOUCHET ET ONCOMIP 1 Cliquez INTRODUCTION pour

Plus en détail

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Gilbert Saporta Chaire de Statistique Appliquée, CNAM ActuariaCnam, 31 mai 2012 1 L approche statistique

Plus en détail

Les dix points clés de la lecture critique. Michel Cucherat UMR 5558 - Lyon

Les dix points clés de la lecture critique. Michel Cucherat UMR 5558 - Lyon Les dix points clés de la lecture critique Michel Cucherat UMR 5558 - Lyon Point 1 Interpréter les résultats pour décider But de la lecture critique : Juger de la validité scientifique (fiabilité du résultat)

Plus en détail

Marine Lorent, Yohann Foucher, Magali Giral. 13 Décembre 2012. Di at EA-4275

Marine Lorent, Yohann Foucher, Magali Giral. 13 Décembre 2012. Di at EA-4275 Courbes ROC nettes dépendantes du temps : méthode d évaluation de la capacité d un marqueur à prédire la mortalité liée à l insuffisance rénale terminale chez des patients transplantés rénaux. Marine Lorent,

Plus en détail

NOTE SUR LA MODELISATION DU RISQUE D INFLATION

NOTE SUR LA MODELISATION DU RISQUE D INFLATION NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui

Plus en détail

Choix de modèle en régression linéaire

Choix de modèle en régression linéaire Master pro Fouille de données Philippe Besse 1 Objectif Choix de modèle en régression linéaire La construction d un score d appétence sur les données bancaires correspond au choix et à l estimation d un

Plus en détail

DIU Infirmières de Santé au Travail - IDF. Service Central de Santé au Travail de l AP-HP PLAN DE COURS

DIU Infirmières de Santé au Travail - IDF. Service Central de Santé au Travail de l AP-HP PLAN DE COURS DIU Infirmières de Santé au Travail - IDF Faculté de Médecine Paris VII - Denis Diderot Mardi 7 juin 2016 STATISTIQUES EN SANTE AU TRAVAIL : NOTIONS ESSENTIELLES Service Central de Santé au Travail de

Plus en détail

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Savoir Faire Excel Niveau 2 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Ce qu on sait faire Entrer et recopier des données numériques Les fonctions de base (somme, moyenne, nb, si) Faire

Plus en détail

Pierre OLIVIER - Médecine Nucléaire

Pierre OLIVIER - Médecine Nucléaire Diplôme Universitaire Corrélations anatomo-physio-pathologiques en imagerie thoracique 25 mai 2011 Imagerie TEP et pathologie tumorale bronchique Pierre OLIVIER - Médecine Nucléaire Détection en coincidence

Plus en détail

Application des courbes ROC à l analyse des facteurs pronostiques binaires

Application des courbes ROC à l analyse des facteurs pronostiques binaires Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre

Plus en détail

Séance 8 : Régression Logistique

Séance 8 : Régression Logistique Séance 8 : Régression Logistique Sommaire Proc LOGISTIC : Régression logistique... 2 Exemple commenté : Achat en (t+1) à partir du sexe et du chiffre d affaires de la période précédente. 4 La régression

Plus en détail

La méta-analyse en oncologie

La méta-analyse en oncologie La méta-analyse en oncologie Emmanuelle Paris Staff santé publique 25 janvier 2012 Introduction 1904 (Pearson) : Manque de puissance des échantillons de petite taille 1955 : Méta-analyse (MA) sur traitement

Plus en détail

Impact d une action de prévention ciblée sur les comportements de prévention du mélanome. Un essai contrôlé randomisé en cluster

Impact d une action de prévention ciblée sur les comportements de prévention du mélanome. Un essai contrôlé randomisé en cluster Impact d une action de prévention ciblée sur les comportements de prévention du mélanome Un essai contrôlé randomisé en cluster Financement : INCa INSERM / IRESP Cédric RAT, G. QUEREUX, C. RIVIERE, S.

Plus en détail

Evaluation générale de la qualité des données par âge et sexe

Evaluation 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 détail

L essentiel sur les tests statistiques

L essentiel sur les tests statistiques L essentiel sur les tests statistiques 21 septembre 2014 2 Chapitre 1 Tests statistiques Nous considérerons deux exemples au long de ce chapitre. Abondance en C, G : On considère une séquence d ADN et

Plus en détail

Estimation. Anita Burgun

Estimation. Anita Burgun Estimation Anita Burgun Estimation Anita Burgun Contenu du cours Sondages Mesures statistiques sur un échantillon Estimateurs Problème posé Le problème posé en statistique: On s intéresse à une population

Plus en détail

LOGICIEL version pro Nouvelle version 2.0

LOGICIEL version pro Nouvelle version 2.0 LOGICIEL version pro Nouvelle version 2.0 Présentation : Avec le logiciel CHEVALENOR vous aurez l outil indispensable pour analyser et pour bien gérer vos mises sur les pronostiques quinté+ du site http://www.lechevalenor.fr/.

Plus en détail

Analyse de données et méthodes numériques

Analyse de données et méthodes numériques Analyse de données et méthodes numériques Analyse de données: Que faire avec un résultat? Comment le décrire? Comment l analyser? Quels sont les «modèles» mathématiques associés? Analyse de données et

Plus en détail

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques.

L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques. L'APPROCHE EXPERIMENTALE EN RECHERCHE: introduction aux statistiques 1 BUTS DU COURS : se familiariser avec le vocabulaire statistique o variable dépendante, variable indépendante o statistique descriptive,

Plus en détail

TP N 57. Déploiement et renouvellement d une constellation de satellites

TP N 57. Déploiement et renouvellement d une constellation de satellites TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les

Plus en détail

Structure de corrélations entre les gènes et impact sur la pertinence des signatures génomiques

Structure de corrélations entre les gènes et impact sur la pertinence des signatures génomiques Structure de corrélations entre les gènes et impact sur la pertinence des signatures génomiques F. Valet, E. Gravier, Y. De Rycke et B. Asselain Institut Curie, Ecole des Mines de Paris, Inserm U900 Journées

Plus en détail

NOUVELLE CLASSIFICATION TNM

NOUVELLE CLASSIFICATION TNM NOUVELLE CLASSIFICATION TNM 7 ème Classification TNM 2009 du cancer du poumon Paumier A, Maugin E, Picquet J, Enon B. Service de CCVT CHU ANGERS La Baule, Mars 2010 Historique 1945 : invention du TNM 1973

Plus en détail

Les résultats dans les bons cas en FIV et ICSI en France. Ch Tibi, R Lévy, D Royère, J de Mouzon, Fivnat

Les résultats dans les bons cas en FIV et ICSI en France. Ch Tibi, R Lévy, D Royère, J de Mouzon, Fivnat Les résultats dans les bons cas en FIV et ICSI en France Ch Tibi, R Lévy, D Royère, J de Mouzon, Fivnat objectifs Définir les cas favorables Évaluer leur pronostic en FIV et en ICSI Chercher une population

Plus en détail

Stenting and Medical Therapy for Atherosclerotic Renal-Artery Stenosis

Stenting and Medical Therapy for Atherosclerotic Renal-Artery Stenosis Stenting and Medical Therapy for Atherosclerotic Renal-Artery Stenosis Ce que l on sait déjà Néphropathie vasculaire évoluant sur le mode chronique 2 types de sténoses de l artère rénale: SAAR (90%) et

Plus en détail

Chacune des valeurs d une variable en est une modalité particulière.

Chacune des valeurs d une variable en est une modalité particulière. Psychologie générale Jean Paschoud STATISTIQUE Sommaire Rôle de la statistique Variables Échelles de mesure Résumer, décrire Comparer Rôle de la statistique La statistique est avant tout un outil permettant

Plus en détail