Objectifs par rapport aux acquis d'apprentissage du programme

• Décrire, organiser, analyser et hiérarchiser des phénomènes observés dans le domaine médical.
• Maîtriser l'expression des réalités biologiques en valeurs absolues ou relatives, les ordres de grandeurs, les proportions, la probabilité.
• Savoir abstraire; comprendre et appliquer la traduction mathématique des grands modèles et phénomènes biologiques.
• Comprendre et pouvoir utiliser les différentes représentations graphiques des valeurs numériques et de leurs relations.
• Posséder une capacité relationnelle développée dans une perspective médicale.
• Maîtriser les règles de base du français (grammaire, ponctuation, connecteurs...).
• Avoir développé une aptitude au raisonnement
• Connaître et appliquer les principes de base du raisonnement (obtention des données, analyse, synthèse, comparaison, règle de trois, syllogisme, analogie, logique booléenne,...).
• Comprendre et savoir utiliser le raisonnement statistique fréquentiste et bayésien.
• Pouvoir utiliser une hypothèse dans un raisonnement inductif, déductif ou abductif.
• Développer un esprit critique, savoir tester et contrôler ses conclusions, en connaître le domaine de validité, envisager des hypothèses alternatives.
• Savoir intégrer le raisonnement dans la démarche clinique.
• Pouvoir gérer le doute et l'incertitude.
• Gérer sa formation
• Savoir lire, interpréter, critiquer un article scientifique.
• Etre un praticien responsable.
• Savoir baser son raisonnement sur les données de la littérature scientifique (evidence-based-medicine).

Acquis d'apprentissage UE

A l'issue de cet enseignement de BA2, dispensé selon la même philosophie que le cours de BA1, les étudiants seront capables de :
- Comprendre et appliquer les principes d'un test d'hypothèse statistique
- Identifier le caractère gaussien ou non d'une distribution
- Pouvoir comparer les tendances centrales de deux ou plusieurs groupes :
a. Tests de Student, de Z, de Welch, de Mann-Whitney et Wilcoxon
b. Tests pour séries appariées
c. ANOVA à une voie pour séries indépendantes et appariées
d. Aspects non paramétriques : tests de Kruskal-Wallis et Friedman
- Pouvoir comparer des proportions :
a. Tests du chi2, chi2 de Mc Nemar, Test exact de Fisher, correction de Yates
b. Calcul des OR et leur IC
- Tester la significativité statistique d'une corrélation aux sens de Pearson ou de Spearman
- Comprendre les limitations des outils diagnostiques actuels au travers d'exemples concrets

Contenu de l'UE

<u>Notion de test statistique</u> : Notion d'hypothèses nulle et alternative; Test unilatéral, test bilatéral; Puissance d'un test statistique : concepts et intérêt pratique en médecine; Nombre de sujets à inclure dans un essai : concepts de base et applications pratiques     
<u>Tests de normalité d'une distribution</u> : concepts et interprétation pratique; Interprétation des tests de Shapiro-Wilk et de Kolmogorov-Smirnov; transformations des données (log, racine carrée, arcsin) : intérêts et limites
<u>Tests de comparaison de deux moyennes</u> : Introduction; intérêts en médecine; Test de Z; Comparaison de deux variances : le test F; Test t de Student; Tests non paramétriques : tests de Mann-Whitney / Wilcoxon; Comparaison de deux moyennes sur séries appariées : test t de Student pairé, test de Wilcoxon pairé; Exercices pratiques
<u>Tests de comparaison de deux proportions :</u> Nécessité des comparaisons de proportions en médecine; notion de risque relatif et odds ratio, notion de tableau de contingence; Test du chi2 ; correction de Yates pour les faibles effectifs; Introduction au test exact de Fisher : concept et interprétation; Tests de comparaison de proportions sur données appariées - chi2 de McNemar; Exercices pratiques
<u>Tests de comparaison de plus de deux moyennes :</u>Introduction - intérêt en médecine; Analyse de variance à un facteur (ANOVA) : bases, construction du tableau ANOVA, notion d'homoscédasticité, interprétation du résultat d'un test ANOVA; Approche non paramétrique : principe du test de Kruskal Wallis; Comparaison de plus de deux moyennes dans le cas des séries appariées : principes généraux, ANOVA une voie pour séries appariées, Test de Friedman; Exercices pratiques         <u>La corrélation linéaire en médecine</u> : Test de signification du coefficient de corrélation de Pearson; exercices pratiques illustrant des questions fréquentes rencontrées en médecine
<u>Les tests diagnostiques en médecine; introduction au raisonnement bayésien</u>
<u>Synthèse et exercices intégrés</u>

Compétences préalables

Introduction aux statistiques biomédicales (BA1)

Types d'évaluation Q1 pour l'épreuve intégrée

• Examen écrit

Types d'évaluation Q2 pour l'épreuve intégrée

• Néant

Types d'évaluation du Q3 pour l'épreuve intégrée

• Examen écrit

Types d'évaluation rattrapage B1BA (Q1) pour l'épreuve intégrée

• Examen écrit