Enseignants
Penaloza-Baeza Andrea; Sawadogo Kiswendsida Clovis (coordinateur(trice));
Langue
d'enseignement
d'enseignement
Français
Préalables
Un cours de statistiques de base
Thèmes abordés
1. Utilisation et interprétation des tests diagnostiques- caractéristiques d'un test (sensibilité, spécificité, valeur prédictive)- biais influençant les caractéristique d'un test - courbe ROC- probabilités conditionnelles et théorèmes de Bayes- probabilités seuils de traitement2. Mesures des conséquences d'un test ou d'un traitement (valeur attendue)- concept d'utilité- espérance attendue de vie3. Arbre de décision et analyses coût-efficacité
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 |
Apprendre à l'étudiant à rationaliser la démarche diagnostique et clinique à partir des méthodes épidémiologiques et statistiques. |
Contenu
Cette UE apporte :
- d’une part des outils statistiques essentiels pour évaluer le temps jusqu'à un événement (décès, récidive, maladie) et comprendre les facteurs qui l'influencent, permettant d'estimer la probabilité de survie et de comparer l'efficacité des traitements ou des interventions, même avec des données incomplètes (censure), ce qui est crucial pour la recherche clinique, l'épidémiologie et l'évaluation des politiques de santé. Il aide à quantifier l'impact des diagnostics précoces, des traitements innovants et à améliorer la coordination des parcours patients.
- d’autre part, des compétences cruciales pour évaluer la validité, la fiabilité et l'utilité des outils de dépistage, en comprenant des concepts comme la sensibilité, la spécificité, et la valeur prédictive, essentiels pour prendre des décisions éclairées sur leur mise en œuvre et l'interprétation des résultats, réduisant ainsi les risques d'erreurs (faux positifs/négatifs) et optimisant la gestion des programmes de santé publique.
Table des matières
I. Analyse de survie
I.1 Concepts fondamentaux
I.2 Survie et Risque (hazard)
I.3 Estimation de Kaplan-Meier
I.4 Test du Log-rank
I.5 Régression de Cox
I.6 Taille d’échantillon pour une étude de survie
II. Tests diagnostiques
II.1 Définitions de la normalité
II.2 Qualités diagnostiques des tests
II.3 Capacité discriminante des tests
II.4 Courbes ROC
II.5 Valeurs prédictives et utilisation des Odds ou cotes
II.6 Amélioration de prédiction du risque d’un nouveau modèle
II.7 Arbres de décision
- d’une part des outils statistiques essentiels pour évaluer le temps jusqu'à un événement (décès, récidive, maladie) et comprendre les facteurs qui l'influencent, permettant d'estimer la probabilité de survie et de comparer l'efficacité des traitements ou des interventions, même avec des données incomplètes (censure), ce qui est crucial pour la recherche clinique, l'épidémiologie et l'évaluation des politiques de santé. Il aide à quantifier l'impact des diagnostics précoces, des traitements innovants et à améliorer la coordination des parcours patients.
- d’autre part, des compétences cruciales pour évaluer la validité, la fiabilité et l'utilité des outils de dépistage, en comprenant des concepts comme la sensibilité, la spécificité, et la valeur prédictive, essentiels pour prendre des décisions éclairées sur leur mise en œuvre et l'interprétation des résultats, réduisant ainsi les risques d'erreurs (faux positifs/négatifs) et optimisant la gestion des programmes de santé publique.
Table des matières
I. Analyse de survie
I.1 Concepts fondamentaux
I.2 Survie et Risque (hazard)
I.3 Estimation de Kaplan-Meier
I.4 Test du Log-rank
I.5 Régression de Cox
I.6 Taille d’échantillon pour une étude de survie
II. Tests diagnostiques
II.1 Définitions de la normalité
II.2 Qualités diagnostiques des tests
II.3 Capacité discriminante des tests
II.4 Courbes ROC
II.5 Valeurs prédictives et utilisation des Odds ou cotes
II.6 Amélioration de prédiction du risque d’un nouveau modèle
II.7 Arbres de décision
Méthodes d'enseignement
Cours magistral illustré de situations concrètes à travers des travaux dirigés
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Examen écrit à livres fermés portant sur l’application concrète des concepts méthodologiques abordés au cours et mis en pratique lors des travaux dirigés
La note sera répartie entre les deux parties du cours : 50% pour la partie « Analyses de survie » et 50% pour la partie « Tests diagnostiques ».
Les décimales seront arrondies à l'entier inférieur.
L'IA peut être utilisée comme tuteur de révision et outil d'aide, mais est de facto exclue lors de l'évaluation finale.
La note sera répartie entre les deux parties du cours : 50% pour la partie « Analyses de survie » et 50% pour la partie « Tests diagnostiques ».
Les décimales seront arrondies à l'entier inférieur.
L'IA peut être utilisée comme tuteur de révision et outil d'aide, mais est de facto exclue lors de l'évaluation finale.
Ressources
en ligne
en ligne
Les diapositives du cours et les documents de référence sont disponibles sur Moodle
Bibliographie
Références :
Eric Vittinghoff • David V. Glidden • Stephen C. Shiboski • Charles E. McCulloch. Regression Methods in Biostatistics. Linear, Logistic, Survival, and Repeated Measures Models. Springer, 2012 (2nd Edition) (Pages 54-62)
Sox H. C. , Medical decision making, Butterworths Grenier B. , décision médicale, Masson Weinstein, Clinical decision analysis, Sauders
Eric Vittinghoff • David V. Glidden • Stephen C. Shiboski • Charles E. McCulloch. Regression Methods in Biostatistics. Linear, Logistic, Survival, and Repeated Measures Models. Springer, 2012 (2nd Edition) (Pages 54-62)
Sox H. C. , Medical decision making, Butterworths Grenier B. , décision médicale, Masson Weinstein, Clinical decision analysis, Sauders
Support de cours
- Mis à disposition sur Moodle
Faculté ou entité
en charge
en charge
