Accueil > Formations > Formation “Analyse de données cliniques avec R” – niveau avancé

Formation “Analyse de données cliniques avec R” – niveau avancé

Dans le cadre de ses missions, le Cancéropôle Île-de-France organise une formation en statistique dédiée à l’analyse de données cliniques avec le logiciel R Studio. 

Objectifs : analyse de données cliniques avec le logiciel R Studio, niveau avancé.

Public concerné : chercheurs en recherche fondamentale, translationnelle ou clinique académiques FRANCILIENS impliqués dans un ou plusieurs projets de recherche en cancérologie et maîtrisant déjà l’outil R Studio et les bases de statistiques.

Remarque : cette formation concerne l’analyse de données cliniques uniquement, l’analyse de données NGS avec R Studio sera abordée lors des formations NGS & Cancer “Analyses DNA-Seq”, “Analyses RNA-Seq” et “Analyses épigénomique”.

 

Prochaine session : jeudi 14 et vendredi 15 juin 2018

Inscriptions en ligne gratuites mais obligatoire. Nombre de places limité !

La participation à la formation complète (2 jours) est obligatoire. Une convention de formation devra être signée par votre organisme d’appartenance avant votre participation à la formation. Les frais de formation sont pris en charge par le Cancéropôle IDF.

Objectifs

Maîtriser :

  • les plans d’expériences,
  • les procédures de comparaisons,
  • l’analyse de données de survie et corrélées

Les illustrations seront réalisées avec le logiciel R Studio. Les participants pourront travailler sur leurs données.

Formation de niveau avancée, s’adressant aux personnes maîtrisant déjà le logiciel R Studio et ses fonctions de bases.

Prérequis : Les inscrits à cette formation devront avoir déjà suivi la formation de niveau débutant ou posséder les connaissances équivalentes.

 

Programme

Analyse de variance et plans d’expérience

  • analyse de variance à deux facteurs à effet fixe avec et sans interaction,
  • plans factoriels et méthode des blocs,
  • plans fractionnaires

Procédures de comparaisons multiples

  • contrôle du FWER et du FDR

Applications du modèle linéaire gaussien

  • régression linéaire multiple,
  • analyse de variance,
  • analyse de covariance

Approches robustes pour la régression

  • pénalisation Lasso,
  • régression ridge

Modèle linéaire généralisé

  • régression logistique et régression de Poisson,
  • interprétation des coefficients de régression,
  • diagnostic des modèles

Analyse des données de survie

  • courbe de Kaplan-Meier,
  • test du log-rank et modèle de Cox

Calibration et validation d’un modèle pronostique (régression linéaire et logistique), sélection de modèles

  • validation croisée,
  • évaluation de la performance d’un modèle pour la prédiction ou la classification,
  • sélection de variables

Analyse des données corrélées

  • modèle linéaire à effets mixtes
  • équations généralisées
Inscription
© Cancéropôle Ile de France 2016