Enseignants
Langue
d'enseignement
d'enseignement
Anglais
Préalables
WFSP 2104 WFSP 2105
Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 | Partant d’une étude de cohorte, l’objectif du ce cours est de pouvoir être capable de choisir la bonne méthode d’analyse, de l’appliquer et de pouvoir interpréter les résultats de manière correcte. |
Contenu
• Régression linéaire simple : définition du modèle, estimation, interprétation et validation
• Mesures d'association en épidémiologie : risque relatif et rapport de cotes (odds ratio)
• Facteurs de confusion : détection et ajustement
• Régression logistique : construction du modèle, distinction entre facteurs de confusion et facteurs modifiant l'effet, tests de signification et intervalles de confiance
• Régression de Poisson : modélisation de données de comptage, surdispersion, stratégies de sélection de modèle
• Mesures d'association en épidémiologie : risque relatif et rapport de cotes (odds ratio)
• Facteurs de confusion : détection et ajustement
• Régression logistique : construction du modèle, distinction entre facteurs de confusion et facteurs modifiant l'effet, tests de signification et intervalles de confiance
• Régression de Poisson : modélisation de données de comptage, surdispersion, stratégies de sélection de modèle
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Examen écrit en salle didactique
Faculté ou entité
en charge
en charge
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] en sciences biomédicales
Master [120] : ingénieur civil biomédical
Certificat d'université : Statistique et science des données (15/30 crédits)