BIOSTATR
BIOSTATR
Biostatistique appliquée avec RFondations
Description de la formation
BIOSTATR est la formation de base du parcours MHDSR : une introduction pratique et rigoureuse à la biostatistique appliquée à la recherche en santé avec R. Elle mène les participants d’un flux de travail propre en R et en manipulation de données jusqu’à l’inférence, la régression, l’analyse de survie et le traitement des données manquantes par imputation multiple, le tout avec des rapports reproductibles sous Quarto.
Aucune connaissance préalable en statistique ou en programmation n’est requise. La formation met l’accent sur l’estimation, l’interprétation, la reproductibilité et l’utilisation appropriée des méthodes statistiques en recherche clinique.
Objectifs d’apprentissage
À l’issue de BIOSTATR, les participants seront capables de :
- organiser une analyse reproductible avec R, Quarto et le contrôle de version ;
- importer, nettoyer, restructurer et contrôler la qualité de jeux de données de santé ;
- résumer et visualiser les données de santé de manière appropriée, y compris de façon stratifiée ;
- interpréter intervalles de confiance, valeurs p, tailles d’effet, puissance et taille d’échantillon ;
- comparer des groupes avec des tests adaptés aux variables quantitatives et qualitatives ;
- ajuster et interpréter des régressions linéaire et logistique, avec confusion et interactions ;
- analyser des données de survie avec Kaplan-Meier, le test du log-rank et le modèle de Cox ;
- traiter les données manquantes par imputation multiple et règles de Rubin.
Calendrier
| N° | Séance |
|---|---|
| 1 | Fondations R et manipulation des données : environnement, projets, scripts, objets et types, import/export, filtrage, transformation, jointures, pivots, dates, chaînes de caractères, recodage, contrôle qualité, rapports reproductibles |
| 2 | Statistiques descriptives et visualisation : statistiques descriptives, distributions, tableaux de synthèse, Table 1, graphiques, stratification |
| 3 | Inférence statistique et tests d’hypothèses : estimation, intervalles de confiance, tests, tailles d’effet, puissance, taille d’échantillon, comparaisons quantitatives et qualitatives |
| 4 | Régression linéaire et logistique : coefficients ajustés, odds ratios, facteurs de confusion, interactions, diagnostics, prédictions, courbe ROC |
| 5 | Analyse de survie : censure, Kaplan-Meier, test du log-rank, modèle de Cox, hazard ratios, hypothèse des risques proportionnels |
| 6 | Données manquantes et imputation multiple : MCAR/MAR/MNAR, analyse en cas complets, imputation simple et multiple, modèle d’imputation, règles de Rubin, analyses de sensibilité |
Informations pratiques
- Public
- Chercheurs en santé, cliniciens, étudiants ; aucune connaissance préalable en statistique requise
- Prérequis
- Aucun ; l’installation de R/RStudio est couverte lors de la séance 1
- Format
- Séances en direct, diapositives, notebooks, jeux de données, exercices
- Horaire
- Lun/mer/ven 18h00–20h00 (heure du Maroc) · 2 semaines
- Outils
- R, RStudio, Quarto
- Évaluation
- Mini-projet Quarto reproductible
- Étape suivante
- ML4HOR – Machine learning pour les résultats de santé avec R