Enseignants
Langue
d'enseignement
d'enseignement
Français
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.
Thèmes abordés
Nous verrons les différentes étapes dans la construction d’un modèle de régression :
-
- Exploration des données
- Choix du type de modèle le plus adapté
- Ajustement du modèle avec les variables d’intérêt
- Interprétation des valeurs des coefficients
- Visualisation des prédictions du modèle
- Comparaison et sélection du meilleur modèle
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
La régression linéaire simple et multiple : définition du modèle, relation entre les variables du modèle : effets directs et indirects
La régression logistique : risque, odds ratio, odds ratio ajusté, définition du modèle logistique, facteurs confondants et modifiants, significativité et intervalles de confiance et construction du modèle
La régression de Poisson : définition du modèle de Poisson, application de la loi de Poisson, modélisation.
La régression logistique : risque, odds ratio, odds ratio ajusté, définition du modèle logistique, facteurs confondants et modifiants, significativité et intervalles de confiance et construction du modèle
La régression de Poisson : définition du modèle de Poisson, application de la loi de Poisson, modélisation.
Méthodes d'enseignement
Cours magistral 50% et TPs sur ordinateur 50%
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Examen écrit en salle didactique sur les TPs (75%) avec des questions de connaissance des concepts enseignés (25%).
Autres infos
Les applications seront montrées sur différents logiciels : STATA, SPSS, SAS et R. Les TPs se feront en STATA.
Ressources
en ligne
en ligne
Moodle
Bibliographie
Eric Vittinghoff. Regression Methods in Biostatistics: Linear, Logistic, Survival, and Repeated Measures Models, Springer Science & Business Media, 6 mrt 2012.
Support de cours
- Diapositives
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)