Dans ce module, nous examinons le rôle de l'analyse prédictive dans la prévention, le diagnostic et l'efficacité. Nous commençons par une brève introduction à l'analyse prédictive, suivie d'une distinction entre les interventions basées sur la population et les interventions ciblées. Nous expliquons ensuite pourquoi et quand il peut être bénéfique de tester un diagnostic, et comment les outils analytiques peuvent aider à éclairer ces décisions. Enfin, nous nous concentrons sur l'équilibre entre les avantages et les inconvénients d'un certain traitement, et sur la manière dont nous pouvons prédire les avantages pour un individu.

Dans ce module, nous présenterons quelques concepts clés de la modélisation prédictive. Tout d'abord, nous évaluons les forces et les faiblesses des différents modèles d'étude. Ensuite, nous soulignons l'importance d'une taille d'échantillon appropriée pour une inférence fiable. Nous aborderons ensuite les questions de l'ajustement excessif d'un modèle de prédiction et de la régression à la moyenne. Enfin, nous vous guiderons à travers la célèbre procédure bootstrap, en montrant comment elle peut être utilisée pour évaluer la variabilité des paramètres.

Dans ce module, nous nous concentrons sur le développement de modèles. Tout d'abord, nous nous intéressons au problème des valeurs manquantes. Nous discutons des mécanismes de manque bien connus et des méthodes pour traiter les valeurs manquantes de manière appropriée. Ensuite, nous apprenons les méthodes pour traiter la non-linéarité dans un ensemble de données. Nous abordons ensuite le thème de la sélection de modèles, en nous concentrant sur les limites des procédures traditionnelles de sélection par étapes. Enfin, nous verrons comment l'introduction d'un biais en échange d'une variance plus faible peut améliorer la qualité de la prédiction. Pour ce faire, nous utilisons des méthodes avancées, telles que LASSO et la régression Ridge.

Dans ce dernier module, nous apprenons à évaluer la qualité d'un modèle de prédiction. Tout d'abord, nous discutons en détail des mesures de performance standard pour les résultats binaires et continus. Ensuite, nous explorons différentes manières de valider un modèle de prédiction. Nous verrons comment évaluer la validité interne et la validité externe, plus pertinente, d'un modèle. Ensuite, nous verrons comment mettre à jour un modèle et le rendre applicable à un contexte médical spécifique. Nous conclurons par une interview, où nous discuterons plus largement du potentiel de l'analyse prédictive en prenant l'exemple de l'île d'Aruba.