Course Outline
The recommended duration for this course is 1 online session(s).
La version la plus populaire de cet atelier comprend un atelier de 3 heures décrit comme suit:
1. Introduction: Contexte scientifique et économique
Les principes de la recherche scientifique et les liens avec les outils statistiques
- L'expérimentation : Passage de l'échantillon à la population cible
- Représentativité et reproductibilité des études et des expériences
- Analyse et interprétation des résultats : la p-value, un Saint Graal scientifique et économique à démystifier
- Les principes scientifiques à l'épreuve du financement et des délais
- Contraintes réglementaires
- Une vision à long terme : construire l’histoire scientifique de la société
- Planification rigoureuse des tests
- Une analyse statistique des résultats prévisible, adaptée et adéquate
- Rapports et communication efficaces des résultats
2. Bonnes pratiques pour la planification des expériences et la collecte de données
Clarté de la question de recherche : type de comparaison, critère(s) final(aux), facteurs, etc.
Utilisez les connaissances déjà acquises pour rationaliser chaque test
Représentation adéquate et efficace de la variabilité
- Variabilité biologique
- Répétition et réplicat
- Randomisation
- Blinding
- Établir et justifier l'effet clinique souhaité
- Calculer les chances de détecter l'effet désirét
- Puissance statistique et taille de l'échantillon
Choisir une structure expérimentale scientifiquement et économiquement efficace
3. Analyse adéquate des données
Préparation des données collectées
- Pré-traitement et manipulation des données brutes
- Le traitement des valeurs extrêmes “outliers”
- Gestion des données manquantes
- Impacts sur le pouvoir et risque de biais
Le choix d'une méthode de traitement des données statistiques
- Refléter la structure de l'expérience
- Vérifier les conditions sous-jacentes à l'utilisation des méthodes statistiques
- Contrôler et modéliser les sources de variabilité pour maximiser les chances de détecter des différences importantes
Contrôler la multiplicité
- Le principe de base : rationaliser l’analyse des résultats sous peine de tirer des conclusions erronées
- Mesures correctives
- L'approche statistique : des outils efficaces mais coûteux
- La méthode scientifique : les « critères d’évaluation primaires », preuve de la maîtrise du sujet de recherche
Gestion des aléas expérimentaux : quand tout ne se passe pas comme prévu...
- S'adapter aux événements inattendus
- Anticiper les problèmes potentiels
- Tirer le meilleur parti d'un "échec" expérimental
4. Rapports d'études et de résultats
Le protocole de recherche
- Une tâche un peu éprouvante mais enrichissante
- Un gage de qualité pour les investisseurs
The data analysis report
- A realistic assessment
- Update the advancement of the company's scientific knowledge
- Highlight rigor to better convince
- Aim for high-profile journals
- Good statistical practices: binding rules or efficiency gains?
- Find acceptable compromises
- Some possible solutions