Réussir les statistiques de sa thèse
Des guides clairs et exacts, écrits par des biostatisticiens, pour choisir le bon test, interpréter vos résultats et les défendre devant le jury.
Aucun article ne correspond à « » dans la catégorie « ».
Quel test statistique choisir pour ma thèse ?
L'arbre de décision pour trouver le bon test selon vos données — comparaisons, corrélations, prédiction — avec exemples et pièges à éviter.
Chi-2 ou test de Fisher : lequel choisir ?
Croiser deux variables qualitatives : quand le chi-2, quand Fisher, et comment interpréter le lien (taille d'effet, sens) sans se tromper.
Analyse de survie : Kaplan-Meier, log-rank, Cox
Délai jusqu'à un événement et données censurées : lire une courbe de Kaplan-Meier, comparer par log-rank, ajuster par Cox — et les hypothèses clés.
Régression logistique & odds ratios
Expliquer une issue binaire avec plusieurs facteurs : lire les odds ratios ajustés et leur IC, éviter la confusion OR / risque relatif.
Combien de patients me faut-il ? Taille d'échantillon & puissance
Le calcul qui se fait avant de recruter : puissance, risques α/β, taille d'effet — et le piège de la « puissance observée » a posteriori.
Présenter ses résultats stats dans le manuscrit
Table 1, forest plot ou tableau, légender une courbe KM, décimales, et formuler un résultat non significatif sans faux pas.
Bien organiser ses données pour l'analyse
De l'Excel bricolé au tableau tidy : structurer, nommer, coder, distinguer manquants et zéros, vérifier les aberrants — le travail invisible qui décide si l'analyse sera juste.
Valeur-p, IC et significativité
Le socle de l'inférence, souvent mal compris : ce qu'est réellement une valeur-p, la force de l'intervalle de confiance, et les pièges de soutenance à éviter.
Le Tableau 1 : décrire sa population
Le premier tableau de votre thèse décrit qui vous avez étudié. Voici comment le construire proprement et ce qu'un jury y vérifie en priorité.
Gérer les valeurs manquantes
Les trois mécanismes de manquance, les fausses bonnes idées (cas complet silencieux, moyenne, LOCF) et le standard actuel — imputation multiple, modèles mixtes, analyse de sensibilité — pour un traitement des manquants qui tient devant un jury.
Corrélation et régression linéaire
Lier deux variables quantitatives et en prédire une, sans confondre corrélation, causalité et accord : le mode d'emoi que le jury attend.
Confusion et ajustement multivarié
Distinguer confusion, médiation, modification d'effet et collider, puis construire un modèle multivarié ajusté que vous saurez défendre.
Accord inter-observateurs
Choisir le bon indice de concordance selon la variable, préciser la forme d'ICC, déjouer le paradoxe du kappa et lire un Bland-Altman comme le fera un jury.